A Revisit to the Normalized Eight-Point Algorithm and A Self-Supervised Deep Solution

要約

【タイトル】正規化された8点アルゴリズムの再考および自己教師あり深層解法

【要約】
– 正規化された8点アルゴリズムは、2つの視点の幾何計算において基礎とされてきた。
– このアルゴリズムは、Hartley氏による正規化が施されたため、直接線性変換（DLT）アルゴリズムの性能が大幅に向上した。
– これに対して、各入力サンプルごとに性能をさらに向上させるための正規化方法が存在するかどうかや、それをどのように見つけるかという問題がある。
– 本論文では、この問題に対し、以下の2つの貢献を提供する。
1. 正規化された8点アルゴリズムを再考し、異なる正規化手法が存在し、より良い性能を発揮できることを理論的に示す。
2. 8つの対応点を与えることで、正規化行列を直接予測するディープコンボリューションニューラルネットワークと自己教師あり学習戦略を提案する。
– 提案手法は、従来のRANSACなどの伝統的な手法や、解釈性の高いディープラーニングフレームワークである両方に容易に統合できる。
– 合成画像および実際の画像上での実験により、提案手法の有効性が示された。

要約(オリジナル)

The Normalized Eight-Point algorithm has been widely viewed as the cornerstone in two-view geometry computation, where the seminal Hartley’s normalization greatly improves the performance of the direct linear transformation (DLT) algorithm. A natural question is, whether there exists and how to find other normalization methods that may further improve the performance as per each input sample. In this paper, we provide a novel perspective and make two contributions towards this fundamental problem: 1) We revisit the normalized eight-point algorithm and make a theoretical contribution by showing the existence of different and better normalization algorithms; 2) We present a deep convolutional neural network with a self-supervised learning strategy to the normalization. Given eight pairs of correspondences, our network directly predicts the normalization matrices, thus learning to normalize each input sample. Our learning-based normalization module could be integrated with both traditional (e.g., RANSAC) and deep learning framework (affording good interpretability) with minimal efforts. Extensive experiments on both synthetic and real images show the effectiveness of our proposed approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI