論文の概要: SteinPnP: Non-Parametric Uncertainty Quantification in the Perspective-N-Point Problem
- arxiv url: http://arxiv.org/abs/2611.15437v1
- Date: Wed, 11 Nov 2026 13:12:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.147156
- Title: SteinPnP: Non-Parametric Uncertainty Quantification in the Perspective-N-Point Problem
- Title(参考訳): SteinPnP: パースペクティブ-N-ポイント問題における非パラメトリック不確かさの定量化
- Abstract要約: 非パラメトリックなポーズ粒子を用いたフル6-DoFカメラのポーズポーズをモデル化した確率論的視点-N-Point(Do)ソルバであるSteinを提案する。
- 参考スコア(独自算出の注目度): 37.513233612280835
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose SteinPnP, a probabilistic Perspective- N-Point (PnP) solver that models the full 6-DoF camera pose posterior using a non-parametric set of pose particles. By lever- aging Stein Variational Inference (SVI), SteinPnP combines the expressivity of particle-based representations with the efficiency of optimization-based solvers. However, a naive application of SVI struggles in the PnP problem, often missing alternative pose hypotheses or assigning incorrect probability weights to them. To address these limitations, we propose practical remedies that discover new potential poses, identify distinct hypothesis clusters, and balance their relative probability weights to capture the true underlying distribution. Our experiments across synthetic and real-world benchmarks demonstrate that SteinPnP accurately captures complex multimodal uncertainties while maintaining competitive accuracy.
- Abstract(参考訳): 本研究では,非パラメトリックなポーズ粒子集合を用いて,フル6-DoFカメラのポーズをモデル化した確率論的パースペクティブN-Point(PnP)ソルバであるSteinPnPを提案する。
Lever-aging Stein Variational Inference (SVI)により、SteinPnPは粒子ベースの表現の表現率と最適化ベースの解法の効率を結合する。
しかしながら、SVIの単純な応用はPnP問題に苦しむが、しばしば見当違いの仮説や誤った確率重み付けをそれらに割り当てる。
これらの制約に対処するため、我々は、新しい可能性のポーズを発見し、異なる仮説クラスタを特定し、それらの相対確率重みのバランスをとり、真の基礎となる分布を捉える実践的な治療法を提案する。
合成および実世界のベンチマークによる実験により、SteinPnPは競争精度を維持しながら複雑なマルチモーダル不確かさを正確に捉えていることが示された。
関連論文リスト
- Linear-Covariance Loss for End-to-End Learning of 6D Pose Estimation [64.12149365530624]
現代の画像に基づく6Dオブジェクトのポーズ推定手法は、2D-3D対応の予測を学習し、そこから解法を用いてポーズを求めることができる。
ここでは、ネットワークが精度を低下させるであろう勾配につながる問題の平均的な性質と矛盾するものであると論じる。
論文 参考訳(メタデータ) (2023-03-21T00:32:31Z) - PAPAL: A Provable PArticle-based Primal-Dual ALgorithm for Mixed Nash Equilibrium [58.26573117273626]
2プレイヤゼロサム連続ゲームにおける非AL平衡非漸近目的関数について考察する。
連続分布戦略のための粒子ベースアルゴリズムに関する新しい知見を述べる。
論文 参考訳(メタデータ) (2023-03-02T05:08:15Z) - CPnP: Consistent Pose Estimator for Perspective-n-Point Problem with Bias Elimination [10.099598169569383]
バイアス除去を用いた一貫した解法emphCを提案する。
閉形式最小二乗解が得られた部分トラクションバイアスを解析する。
合成データと実画像の両方でテストしたところ,提案した推定器は,濃密な視覚的特徴を持つ画像に対して,よく知られた推定器よりも優れていることがわかった。
論文 参考訳(メタデータ) (2022-09-13T09:00:58Z) - On Maximum-a-Posteriori estimation with Plug & Play priors and
stochastic gradient descent [13.168923974530307]
画像問題の解法は、通常、明示的なデータ可能性関数と、その解の明確な期待特性とを結合する。
明示的なモデリングから離れて、画像復調アルゴリズムによって定義された暗黙の先行値の使用について、いくつかの最近の研究が提案され、研究されている。
論文 参考訳(メタデータ) (2022-01-16T20:50:08Z) - Variance Minimization in the Wasserstein Space for Invariant Causal
Prediction [72.13445677280792]
そこで本研究では,ICPで行ったアプローチを,予測器数で線形にスケールする一連の非パラメトリックテストとして再検討する。
これらのテストはそれぞれ、最適輸送理論の道具から導かれる新しい損失関数の最小化に依存している。
我々は,本手法が同定可能な直接原因の集合を回復できるという軽微な仮定の下で証明し,他のベンチマーク因果探索アルゴリズムと競合することを示す。
論文 参考訳(メタデータ) (2021-10-13T22:30:47Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。