FastMAC: Stochastic Spectral Sampling of Correspondence Graph

要約

3D 対応、つまり 3D 点のペアは、コンピュータ ビジョンの基本概念です。
3D 対応のセットは、互換性エッジが装備されている場合、対応グラフを形成します。
このグラフは、最大クリーク (MAC) に基づくものなど、いくつかの最先端の 3D 点群登録アプローチにおける重要なコンポーネントです。
しかし、その性質は十分に理解されていません。
そこで、対応グラフの領域にグラフ信号処理を導入する最初の研究を紹介します。
私たちは対応グラフ上の一般化次数信号を利用し、この信号の高周波成分を保存するサンプリング戦略を追求します。
決定論的サンプリングにおける時間のかかる特異値分解に対処するために、確率的近似サンプリング戦略を利用します。
したがって、私たちの方法の中核は、対応グラフの確率的スペクトル サンプリングです。
アプリケーションとして、FastMAC と呼ばれる完全な 3D 登録アルゴリズムを構築します。これは、パフォーマンスの低下をほとんどまたはまったく引き起こさずにリアルタイム速度に達します。
広範な実験を通じて、FastMAC が屋内と屋外の両方のベンチマークで機能することを検証しました。
たとえば、FastMAC は、KITTI での高い登録成功率を維持しながら、MAC を 80 倍高速化できます。
コードは https://github.com/Forrest-110/FastMAC で公開されています。

要約(オリジナル)

3D correspondence, i.e., a pair of 3D points, is a fundamental concept in computer vision. A set of 3D correspondences, when equipped with compatibility edges, forms a correspondence graph. This graph is a critical component in several state-of-the-art 3D point cloud registration approaches, e.g., the one based on maximal cliques (MAC). However, its properties have not been well understood. So we present the first study that introduces graph signal processing into the domain of correspondence graph. We exploit the generalized degree signal on correspondence graph and pursue sampling strategies that preserve high-frequency components of this signal. To address time-consuming singular value decomposition in deterministic sampling, we resort to a stochastic approximate sampling strategy. As such, the core of our method is the stochastic spectral sampling of correspondence graph. As an application, we build a complete 3D registration algorithm termed as FastMAC, that reaches real-time speed while leading to little to none performance drop. Through extensive experiments, we validate that FastMAC works for both indoor and outdoor benchmarks. For example, FastMAC can accelerate MAC by 80 times while maintaining high registration success rate on KITTI. Codes are publicly available at https://github.com/Forrest-110/FastMAC.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google