RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging

要約

この論文は、多重回転平均化 (MRA) のための深層再帰型回転平均化グラフ オプティマイザー (RAGO) を提案します。
従来の最適化ベースの方法は、通常、破損したノイズの多い相対測定のために正確な結果を生成できません。
最近の学習ベースのアプローチは、MRA を回帰問題と見なしますが、これらの方法はゲージ自由度の問題による初期化に敏感です。
これらの問題を処理するために、不正確な測定の影響を軽減するエッジ修正戦略を使用してゲージ不変コスト関数を最小化する学習可能な反復グラフ オプティマイザーを提案します。
当社のグラフ オプティマイザーは、各ノードの単一の回転目的関数を最小化することで、グローバル カメラの回転を繰り返し調整します。
さらに、私たちのアプローチは、相対回転を繰り返し修正して、現在のカメラの向きと観測された相対回転との一貫性を高めます。
さらに、ゲーティッド リカレント ユニットを使用して、コスト グラフの時間情報をトレースすることで結果を改善します。
私たちのフレームワークは、リアルタイムで学習して最適化する回転平均グラフ オプティマイザであり、実世界のアプリケーション用に小さなサイズで展開されています。
RAGO は、実世界および合成データセットに対する以前の伝統的で深い方法よりも優れています。
コードは https://github.com/sfu-gruvi-3dv/RAGO で入手できます。

要約(オリジナル)

This paper proposes a deep recurrent Rotation Averaging Graph Optimizer (RAGO) for Multiple Rotation Averaging (MRA). Conventional optimization-based methods usually fail to produce accurate results due to corrupted and noisy relative measurements. Recent learning-based approaches regard MRA as a regression problem, while these methods are sensitive to initialization due to the gauge freedom problem. To handle these problems, we propose a learnable iterative graph optimizer minimizing a gauge-invariant cost function with an edge rectification strategy to mitigate the effect of inaccurate measurements. Our graph optimizer iteratively refines the global camera rotations by minimizing each node’s single rotation objective function. Besides, our approach iteratively rectifies relative rotations to make them more consistent with the current camera orientations and observed relative rotations. Furthermore, we employ a gated recurrent unit to improve the result by tracing the temporal information of the cost graph. Our framework is a real-time learning-to-optimize rotation averaging graph optimizer with a tiny size deployed for real-world applications. RAGO outperforms previous traditional and deep methods on real-world and synthetic datasets. The code is available at https://github.com/sfu-gruvi-3dv/RAGO

arxiv情報

提供元, 利用サービス

arxiv.jp, Google