Fugu-MT 論文翻訳(概要): Radial distortion homography estimation from affine-covariant or orientation-covariant features

論文の概要: Radial distortion homography estimation from affine-covariant or orientation-covariant features

arxiv url: http://arxiv.org/abs/2611.04822v1
Date: Tue, 03 Nov 2026 12:50:27 GMT
ステータス: 情報取得中
システム内更新日: 2026-11-04 17:54:30.396958
Title: Radial distortion homography estimation from affine-covariant or orientation-covariant features
Title（参考訳）: アフィン共変・配向共変特徴からの放射歪みホモグラフィー推定
Abstract要約: 結合ホモグラフィーと放射歪み推定のための最小解法をアフィンまたは配向共変特性を用いて提案する。提案手法は現在の最先端技術に有利であり, 降圧器の存在が著しく向上していることを示す。
参考スコア（独自算出の注目度）: 4.927307029246322
License:
Abstract: We present minimal solvers for joint homography and radial distortion estimation using affine- or orientation-covariant features. The core contribution is a set of novel constraints that exploit local feature geometry inherent to affine descriptors, enabling solvers that require fewer correspondences than point-based methods. Using modern robust estimation frameworks, we demonstrate that the proposed solvers are advantageous to the current state-of-the-art with a significant speed-up in the presence of outliers while maintaining comparable or superior estimation accuracy. The proposed solvers are tested on both synthetic and real images containing challenging fisheye distortions.
Abstract（参考訳）: 結合ホモグラフィーと放射歪み推定のための最小解法をアフィンまたは配向共変特性を用いて提案する。コアコントリビューションは、アフィン記述子固有の局所的特徴幾何を利用する新しい制約の集合であり、ポイントベースの方法よりも少ない対応を必要とするソルバを可能にする。最新のロバストな推定フレームワークを用いて、提案手法が現在の最先端技術に有利であることを示す。提案した解法は,魚眼の難解な歪みを含む合成画像と実画像の両方で検証される。

関連論文リスト

Gravity-aware partially calibrated absolute pose estimation from affine- or rotation-covariant features [8.4929502957148]
慣性測定ユニット(IMU)は現在、スマートフォン、ドローン、拡張現実(XR)ヘッドセットなど、ほとんどの消費者向けデバイスで標準となっている。視覚と慣性データを融合させることで、ローカライゼーションシステムは視覚のみのアプローチやIMUのみのアプローチに比べて、スピードと堅牢性が著しく向上する。従来のポーズ推定手法では、SIFTのような特徴記述子に埋め込まれた局所幾何学的情報を利用できない。近年の研究では、この情報を相対的および絶対的ポーズ推定に活用する利点が証明されているが、その部分的校正絶対ポーズ推定への応用は未解明のままである。
論文参考訳（メタデータ） (2026-08-20T13:52:54Z)
Need We Teach Foundation Models What is a Generative Image? Gradient-Free Generative Artifact Detection via Analytic Spectral Adaptation [3.881211374324378]
勾配ベースの更新による生成成果物の検出に基礎モデルを適用することで、本質的な表現が損なわれる。本稿では,二分分類から外分布(OOD)異常測定問題への検出を緩和する勾配のない手法を提案する。
論文参考訳（メタデータ） (2026-06-03T13:04:23Z)
Rate-optimal neural boundary detection from unlabeled noisy images [1.8620637029128548]
統計的観点からラベル付き雑音画像の境界検出について検討した。頑健なギブスの後部アプローチにより, 境界検出のための連続的なヒンジ型サロゲート損失を提案する。提案した損失は勾配に基づく最適化に有効であり、複雑なオブジェクト境界を表現するためにディープニューラルネットワークと組み合わせることができる。
論文参考訳（メタデータ） (2026-05-30T12:58:09Z)
Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文参考訳（メタデータ） (2026-05-25T09:57:46Z)
A Regularization-Guided Equivariant Approach for Image Restoration [46.44312175792672]
同変および不変なディープラーニングモデルは、データに固有の対称性を利用するために開発されている。これらの手法は、しばしば限られた表現精度に悩まされ、実際には成り立たないような厳密な対称性の仮定に依存する。本稿では,ネットワークの表現精度を保ちながら,データに対する適切な対称性制約を適応的に適用する回転同変正規化戦略を提案する。
論文参考訳（メタデータ） (2025-05-26T10:30:26Z)
Verification of Geometric Robustness of Neural Networks via Piecewise Linear Approximation and Lipschitz Optimisation [57.10353686244835]
我々は、回転、スケーリング、せん断、翻訳を含む入力画像の幾何学的変換に対するニューラルネットワークの検証の問題に対処する。提案手法は, 分枝・分枝リプシッツと組み合わせたサンプリングおよび線形近似を用いて, 画素値に対する楽音線形制約を求める。提案手法では,既存の手法よりも最大32%の検証ケースが解決されている。
論文参考訳（メタデータ） (2024-08-23T15:02:09Z)
SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文参考訳（メタデータ） (2024-05-30T15:55:04Z)
View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文参考訳（メタデータ） (2023-08-16T02:51:52Z)
Breaking Modality Disparity: Harmonized Representation for Infrared and Visible Image Registration [66.33746403815283]
シーン適応型赤外線と可視画像の登録を提案する。我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
論文参考訳（メタデータ） (2023-04-12T06:49:56Z)
Differentiable Uncalibrated Imaging [25.67247660827913]
本稿では,センサ位置や投影角などの測定座標の不確実性に対処する,識別可能なイメージングフレームワークを提案する。入力座標に対して自然に微分可能な暗黙のニューラルネットワーク、別名ニューラルフィールドを適用する。測定表現を協調的に適合させ、不確実な測定座標を最適化し、一貫したキャリブレーションを保証する画像再構成を行うため、微分性は鍵となる。
論文参考訳（メタデータ） (2022-11-18T22:48:09Z)
Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文参考訳（メタデータ） (2020-07-20T12:07:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。