Enviar pesquisa
Carregar
20170806 Discriminative Optimization
•
3 gostaram
•
6,903 visualizações
Takuya Minagawa
Seguir
2017/08/06に開催した第41回コンピュータビジョン勉強会@関東「CVPR2017読み会(前編)」資料です。
Leia menos
Leia mais
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 36
Baixar agora
Baixar para ler offline
Recomendados
Semantic segmentation2
Semantic segmentation2
Takuya Minagawa
run Keras model on opencv
run Keras model on opencv
Takuya Minagawa
Curiosity driven exploration
Curiosity driven exploration
Takuya Minagawa
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
Takuya Minagawa
「コンピュータビジョン勉強会@関東」紹介資料
「コンピュータビジョン勉強会@関東」紹介資料
Takuya Minagawa
20170211クレジットカード認識
20170211クレジットカード認識
Takuya Minagawa
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
Takuya Minagawa
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)
Takuya Minagawa
Recomendados
Semantic segmentation2
Semantic segmentation2
Takuya Minagawa
run Keras model on opencv
run Keras model on opencv
Takuya Minagawa
Curiosity driven exploration
Curiosity driven exploration
Takuya Minagawa
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
Takuya Minagawa
「コンピュータビジョン勉強会@関東」紹介資料
「コンピュータビジョン勉強会@関東」紹介資料
Takuya Minagawa
20170211クレジットカード認識
20170211クレジットカード認識
Takuya Minagawa
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
Takuya Minagawa
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)
Takuya Minagawa
3DFeat-Net
3DFeat-Net
Takuya Minagawa
20160417dlibによる顔器官検出
20160417dlibによる顔器官検出
Takuya Minagawa
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
Takuya Minagawa
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
CVPR2018のPointCloudのCNN論文とSPLATNet
CVPR2018のPointCloudのCNN論文とSPLATNet
Takuya Minagawa
Show and tell takmin
Show and tell takmin
Takuya Minagawa
20181130 lidar object detection survey
20181130 lidar object detection survey
Takuya Minagawa
LiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせ
Takuya Minagawa
20180424 orb slam
20180424 orb slam
Takuya Minagawa
20140131 R-CNN
20140131 R-CNN
Takuya Minagawa
cvsaisentan5 Multi View Stereo 3.3
cvsaisentan5 Multi View Stereo 3.3
Takuya Minagawa
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
Takuya Minagawa
20160717 dikf
20160717 dikf
Takuya Minagawa
Cvpr2017事前読み会
Cvpr2017事前読み会
Takuya Minagawa
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
How to feed myself with computer vision
How to feed myself with computer vision
Takuya Minagawa
Pn learning takmin
Pn learning takmin
Takuya Minagawa
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)
Takuya Minagawa
20190131 lidar-camera fusion semantic segmentation survey
20190131 lidar-camera fusion semantic segmentation survey
Takuya Minagawa
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
Takuya Minagawa
20200704 bsp net
20200704 bsp net
Takuya Minagawa
Mais conteúdo relacionado
Mais procurados
3DFeat-Net
3DFeat-Net
Takuya Minagawa
20160417dlibによる顔器官検出
20160417dlibによる顔器官検出
Takuya Minagawa
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
Takuya Minagawa
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
CVPR2018のPointCloudのCNN論文とSPLATNet
CVPR2018のPointCloudのCNN論文とSPLATNet
Takuya Minagawa
Show and tell takmin
Show and tell takmin
Takuya Minagawa
20181130 lidar object detection survey
20181130 lidar object detection survey
Takuya Minagawa
LiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせ
Takuya Minagawa
20180424 orb slam
20180424 orb slam
Takuya Minagawa
20140131 R-CNN
20140131 R-CNN
Takuya Minagawa
cvsaisentan5 Multi View Stereo 3.3
cvsaisentan5 Multi View Stereo 3.3
Takuya Minagawa
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
Takuya Minagawa
20160717 dikf
20160717 dikf
Takuya Minagawa
Cvpr2017事前読み会
Cvpr2017事前読み会
Takuya Minagawa
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
How to feed myself with computer vision
How to feed myself with computer vision
Takuya Minagawa
Pn learning takmin
Pn learning takmin
Takuya Minagawa
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)
Takuya Minagawa
20190131 lidar-camera fusion semantic segmentation survey
20190131 lidar-camera fusion semantic segmentation survey
Takuya Minagawa
Mais procurados
(20)
3DFeat-Net
3DFeat-Net
20160417dlibによる顔器官検出
20160417dlibによる顔器官検出
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
CVPR2018のPointCloudのCNN論文とSPLATNet
CVPR2018のPointCloudのCNN論文とSPLATNet
Show and tell takmin
Show and tell takmin
20181130 lidar object detection survey
20181130 lidar object detection survey
LiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせ
20180424 orb slam
20180424 orb slam
20140131 R-CNN
20140131 R-CNN
cvsaisentan5 Multi View Stereo 3.3
cvsaisentan5 Multi View Stereo 3.3
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
20160717 dikf
20160717 dikf
Cvpr2017事前読み会
Cvpr2017事前読み会
20190307 visualslam summary
20190307 visualslam summary
How to feed myself with computer vision
How to feed myself with computer vision
Pn learning takmin
Pn learning takmin
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20190131 lidar-camera fusion semantic segmentation survey
20190131 lidar-camera fusion semantic segmentation survey
Semelhante a 20170806 Discriminative Optimization
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
Takuya Minagawa
20200704 bsp net
20200704 bsp net
Takuya Minagawa
2020/07/04 BSP-Net (CVPR2020)
2020/07/04 BSP-Net (CVPR2020)
Takuya Minagawa
ADVENTUREの他のモジュール・関連プロジェクトの紹介
ADVENTUREの他のモジュール・関連プロジェクトの紹介
ADVENTURE Project
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
SeRanet
SeRanet
Kosuke Nakago
Kaggle参加報告: Champs Predicting Molecular Properties
Kaggle参加報告: Champs Predicting Molecular Properties
Kazuki Fujikawa
Learning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal Problems
Takuya Minagawa
はじめての「R」
はじめての「R」
Masahiro Hayashi
深層生成モデルによるメディア生成
深層生成モデルによるメディア生成
kame_hirokazu
Priorに基づく画像/テンソルの復元
Priorに基づく画像/テンソルの復元
Tatsuya Yokota
Deep Learningについて(改訂版)
Deep Learningについて(改訂版)
Brains Consulting, Inc.
ソフトウェア自動チューニング研究紹介
ソフトウェア自動チューニング研究紹介
Takahiro Katagiri
20171212 titech lecture_ishizaki_public
20171212 titech lecture_ishizaki_public
Kazuaki Ishizaki
20170408cvsaisentan6 2 4.3-4.5
20170408cvsaisentan6 2 4.3-4.5
Takuya Minagawa
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Satoshi Kato
Tokyo.R #19 発表資料 「Rで色々やってみました」
Tokyo.R #19 発表資料 「Rで色々やってみました」
Masayuki Isobe
SIGIR2012勉強会 23 Learning to Rank
SIGIR2012勉強会 23 Learning to Rank
sleepy_yoshi
2023_freshman
2023_freshman
TakaakiYonekura
kagamicomput201801
kagamicomput201801
swkagami
Semelhante a 20170806 Discriminative Optimization
(20)
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
20200704 bsp net
20200704 bsp net
2020/07/04 BSP-Net (CVPR2020)
2020/07/04 BSP-Net (CVPR2020)
ADVENTUREの他のモジュール・関連プロジェクトの紹介
ADVENTUREの他のモジュール・関連プロジェクトの紹介
全力解説!Transformer
全力解説!Transformer
SeRanet
SeRanet
Kaggle参加報告: Champs Predicting Molecular Properties
Kaggle参加報告: Champs Predicting Molecular Properties
Learning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal Problems
はじめての「R」
はじめての「R」
深層生成モデルによるメディア生成
深層生成モデルによるメディア生成
Priorに基づく画像/テンソルの復元
Priorに基づく画像/テンソルの復元
Deep Learningについて(改訂版)
Deep Learningについて(改訂版)
ソフトウェア自動チューニング研究紹介
ソフトウェア自動チューニング研究紹介
20171212 titech lecture_ishizaki_public
20171212 titech lecture_ishizaki_public
20170408cvsaisentan6 2 4.3-4.5
20170408cvsaisentan6 2 4.3-4.5
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Tokyo.R #19 発表資料 「Rで色々やってみました」
Tokyo.R #19 発表資料 「Rで色々やってみました」
SIGIR2012勉強会 23 Learning to Rank
SIGIR2012勉強会 23 Learning to Rank
2023_freshman
2023_freshman
kagamicomput201801
kagamicomput201801
Mais de Takuya Minagawa
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Takuya Minagawa
MobileNeRF
MobileNeRF
Takuya Minagawa
点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ
Takuya Minagawa
楽しいコンピュータビジョンの受託仕事
楽しいコンピュータビジョンの受託仕事
Takuya Minagawa
20210711 deepI2P
20210711 deepI2P
Takuya Minagawa
20201010 personreid
20201010 personreid
Takuya Minagawa
20190825 vins mono
20190825 vins mono
Takuya Minagawa
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
Takuya Minagawa
Visual slam
Visual slam
Takuya Minagawa
object detection with lidar-camera fusion: survey
object detection with lidar-camera fusion: survey
Takuya Minagawa
車載カメラの映像から歩行者に関わる危険を予測する技術
車載カメラの映像から歩行者に関わる危険を予測する技術
Takuya Minagawa
Mais de Takuya Minagawa
(11)
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
MobileNeRF
MobileNeRF
点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ
楽しいコンピュータビジョンの受託仕事
楽しいコンピュータビジョンの受託仕事
20210711 deepI2P
20210711 deepI2P
20201010 personreid
20201010 personreid
20190825 vins mono
20190825 vins mono
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
Visual slam
Visual slam
object detection with lidar-camera fusion: survey
object detection with lidar-camera fusion: survey
車載カメラの映像から歩行者に関わる危険を予測する技術
車載カメラの映像から歩行者に関わる危険を予測する技術
Último
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
Último
(9)
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
20170806 Discriminative Optimization
1.
第41回 CV勉強会「CVPR2017読み会(前編)」 Discriminative Optimization: Theory
and Application to Point Cloud Registration 2017/08/06 皆川卓也(takmin)
2.
自己紹介 2 テクニカル・ソリューション・アーキテクト 皆川 卓也(みながわ たくや) フリーエンジニア(ビジョン&ITラボ) 「コンピュータビジョン勉強会@関東」主催 博士(工学) 略歴: 1999-2003年 日本HP(後にアジレント・テクノロジーへ分社)にて、ITエンジニアとしてシステム構築、プリ セールス、プロジェクトマネジメント、サポート等の業務に従事 2004-2009年 コンピュータビジョンを用いたシステム/アプリ/サービス開発等に従事 2007-2010年 慶應義塾大学大学院
後期博士課程にて、コンピュータビジョンを専攻 単位取得退学後、博士号取得(2014年) 2009年-現在 フリーランスとして、コンピュータビジョンのコンサル/研究/開発等に従事 http://visitlab.jp
3.
紹介論文 Discriminative Optimization:
Theory and Application to Point Cloud Registration JayakornVongkulbhisal, Fernando De la Torre, Joao P. Costeira 点群同士の位置合わせをコスト関数の最小化とい う形をとらず、特徴量から直接移動方向を算出す る手法を提案 高速かつロバスト ポスターで話聞いて面白いと思ったので紹介
4.
点群のレジストレーション 2つの点群の位置合わせ http://pointclouds.org/documentation/tutorials/interactive_icp.php より
5.
ICPアルゴリズム 1. model点群とscene点群を用意 model scene
6.
ICPアルゴリズム 1. model点群とscene点群を用意 2. model点群の各点に対して最も近いscene点群中の点 を割り当て model scene
7.
ICPアルゴリズム 1. model点群とscene点群を用意 2. model点群の各点に対して最も近いscene点群中の点 を割り当て 3.
対応点同士の距離の二乗和が最小となるようにmodel 点群の回転𝐑と平行移動量𝐭を算出 model scene
8.
ICPアルゴリズム 1. model点群とscene点群を用意 2. model点群の各点に対して最も近いscene点群中の点 を割り当て 3.
対応点同士の距離の二乗和が最小となるようにmodel 点群の回転𝐑と平行移動量𝐭を算出 model scene 𝐑, 𝐭
9.
ICPアルゴリズム 1. model点群とscene点群を用意 2. model点群の各点に対して最も近いscene点群中の点 を割り当て 3.
対応点同士の距離の二乗和が最小となるようにmodel 点群の回転𝐑と平行移動量𝐭を算出 4. 2と3を収束する、または指定回数繰り返す。 model scene
10.
ICPアルゴリズム 1. model点群とscene点群を用意 2. model点群の各点に対して最も近いscene点群中の点 を割り当て 3.
対応点同士の距離の二乗和が最小となるようにmodel 点群の回転𝐑と平行移動量𝐭を算出 4. 2と3を収束する、または指定回数繰り返す。 model scene
11.
ICPアルゴリズム 1. model点群とscene点群を用意 2. model点群の各点に対して最も近いscene点群中の点 を割り当て 3.
対応点同士の距離の二乗和が最小となるようにmodel 点群の回転𝐑と平行移動量𝐭を算出 4. 2と3を収束する、または指定回数繰り返す。 𝐹 𝐑, 𝐭 = 1 𝑁 𝑖=1 𝑁 𝐑𝒑𝑖 + 𝐭 − 𝒒𝑖 2 誤差関数の最小化
12.
Supervised Sequential Update
(SSU) 顔器官検出/追跡などで近年使われる手法 Explicit Shape RegressionやSDMなど ランドマーク周辺の特徴量から直接フィッティングのための移 動量を算出 Cao, X.,Wei,Y.,Wen, F., & Sun, J. (2012). Face Alignment by Explicit Shape Regression. In IEEE Conference on ComputerVision and Pattern Recognition.
13.
Discriminative Optimization (DO)
SSUの手法を点群のレジストレーションへ適用 誤差関数の最小化ではなく、直接パラメータの更新分を計算 𝐱 𝑘+1 = 𝐱 𝑘 − 𝐃 𝑘+1 𝐡 𝐱 𝑘 パラメータ (移動+回転) 特徴量抽出 特徴量からパラメータ 更新量を直接算出 (学習により求める)
14.
Discriminative Optimization (DO)
SSUの手法を点群のレジストレーションへ適用 誤差関数の最小化ではなく、直接パラメータの更新分を計算 𝐱 𝑘+1 = 𝐱 𝑘 − 𝐃 𝑘+1 𝐡 𝐱 𝑘 𝑝 × 1 −= 𝑝 × 1 𝑝 × 𝑓 𝑓 × 1
15.
Discriminative Optimization (DO)
SSUの手法を点群のレジストレーションへ適用 誤差関数の最小化ではなく、直接パラメータの更新分を計算 𝐱 𝑘+1 = 𝐱 𝑘 − 𝐃 𝑘+1 𝐡 𝐱 𝑘 𝐱0 𝐱1 𝐱2 𝐱 𝐾−𝐃1 𝐡 𝐱0 −𝐃2 𝐡 𝐱1
16.
ICPとDO 2次元点群レジストレーションの例 Level Set
17.
ICPとDO 2次元点群レジストレーションの例 Level Set
18.
学習データセット 学習データセット 𝐱0 (𝑖) ,
𝐱∗ (𝑖) , 𝐡(𝑖) 𝑖=1 𝑁 を用意 ・・・ 𝐱0 (1) 𝐱∗ (1) 𝐱0 (2) 𝐱∗ (2) 𝐱∗ (𝑁) 𝐱0 (𝑁) 初期パラメータ Ground Truth サンプルごとの (事前計算した) 特徴量
19.
𝐃 𝑘+1の学習 𝐃 𝑘+1
= argmin ෩𝐃 1 𝑁 σ𝑖=1 𝑁 𝐱∗ (𝑖) − 𝐱 𝑘 (𝑖) + ෩𝐃 𝐡(𝑖) 𝐱 𝑘 (𝑖) 2 + 𝜆 2 ෩𝐃 𝐹 2 正則化項 リッジ回帰 ・・・ 𝐱 𝑘 (1) 𝐱∗ (1) 𝐱 𝑘 (2) 𝐱∗ (2) 𝐱∗ (𝑁) 𝐱 𝑘 (𝑁) 𝐱∗ (𝑖) と𝐱 𝑘+1 (𝑖) の二乗誤差の総和が最小となるように𝐃 𝑘+1を算出
20.
学習アルゴリズム
21.
理論的な分析 定義1(単調性): 関数𝑓:
ℝ 𝑝 → ℝ 𝑝が全ての𝐱 ∈ ℝ 𝑝において 𝐱 − 𝐱∗ T 𝑓 𝐱 ≥ 0 を満たすならば、 𝑓 𝐱 は𝐱∗ ∈ ℝ 𝑝 において単調(増加/減少)である 定理1: 訓練セット 𝐱0 (𝑖) , 𝐱∗ (𝑖) , 𝐡(𝑖) 𝑖=1 𝑁 において෩𝐃 𝐡(𝑖) 𝐱∗ (𝑖) が単調 ならば、Algorithm 1は各イテレーションで必ず以下を満たす 𝑖=1 𝑁 𝐱∗ (𝑖) − 𝐱 𝑘+1 (𝑖) 2 < 𝑖=1 𝑁 𝐱∗ (𝑖) − 𝐱 𝑘 (𝑖) 2
22.
検出
23.
検出 まだ更新量が大きい場合はもう少し𝐃 𝐾で更新を続ける K回パラメータを更新
24.
特徴量𝐡 𝐱 𝑘
モデル点群の有る点𝑚1の法線方向を算出 モデル シーン
25.
特徴量𝐡 𝐱 𝑘
モデル点群の有る点𝑚1の法線方向を算出 法線方向側にある点群をFrontとする。 モデル シーン
26.
特徴量𝐡 𝐱 𝑘
モデル点群の有る点𝑚1の法線方向を算出 法線方向側にある点群をFrontとする。 法線方向と反対側の点群をBackとする。 モデル シーン
27.
特徴量𝐡 𝐱 𝑘
𝑚1からFront各点までの距離のガウス関数の和を算出
28.
特徴量𝐡 𝐱 𝑘
𝑚1からBack各点までの距離のガウス関数の和を算出
29.
特徴量𝐡 𝐱 𝑘
モデル上の全ての点について同様に計算し、モデルの 点数x2次元の特徴量を得る。
30.
特徴量𝐡 𝐱 𝑘
モデル上の全ての点について同様に計算し、モデルの 点数x2次元の特徴量を得る。
31.
高速化の工夫 毎回特徴量を計算すると遅い モデルとその周辺の空間をグリッド上に分割 し、各グリッドにおける𝐡を事前に計算しておく
実行時はシーン点群中の点と最も近いグリッ ドの𝐡を使用 10−6 以下の値は0とすることでメモリ削減 精度を保ったまま6-20倍の高速化
32.
実験 ICP、IRLS、CPD、GMMRegの4つのベースラインと比較 処理時間を評価
Intel i7-4790 3.60GHz + 16GB RAM DOの実装はMatlab トレーニング モデルに対して400-700点ほどサンプリング ランダムに回転/移動 ノイズおよびOutlierを付与 いくつか欠損のあるシーンを作成 30000学習データを生成 K=30
33.
合成3Dデータでの比較
34.
レンジスキャンデータ UWAデータセット
35.
3D Object Tracking
36.
まとめ Discriminative Optimization
(DO)の提案 訓練データからパラメータ空間におけるアップデートの方向を 直接算出 効率的かつロバスト 2Dおよび3Dの点群レジストレーションにおいてstate-of-the- artの手法を大幅に上回る FutureWork モデルごとのトレーニングが不要な特徴量の設計 点群レジストレーション以外の分野への応用(non-rigid registration, camera calibration, fitting shape models to videos)
Baixar agora