Towards Robust Probabilistic Modeling on SO(3) via Rotation Laplace Distribution

要約

単一のRGB画像からの3DOF回転を推定することは、重要でありながら挑戦的な問題です。
人気のあるアプローチとして、確率的回転モデリングは、単一予測の回転回帰と比較して、予測の不確実性情報をさらに伝えています。
SO（3）にわたって確率的分布をモデル化するには、ガウスのようなビンガム分布とマトリックスフィッシャーを使用することは自然ですが、外れ値の予測に敏感であることが示されています。
$ 180^\ circ $エラーのため、最適なパフォーマンスで収束する可能性は低いです。
この論文では、多変量ラプラス分布からインスピレーションを引き出し、SO（3）に新しい回転ラプラス分布を提案します。
私たちの回転ラプラスの分布は、外れ値の妨害に対して堅牢であり、それが改善できる低エラー領域への多くの勾配を施行します。
さらに、私たちの方法はまた、小さなノイズに対する堅牢性を示し、したがって不完全な注釈を許容することを示します。
この利点により、擬似ラベルが騒がしい半監視回転回帰におけるその利点を示します。
対称オブジェクト用のマルチモーダル回転ソリューションスペースをさらにキャプチャするために、分布を回転ラプラス混合モデルに拡張し、その効果を示します。
私たちの広範な実験は、提案された分布と混合モデルが、確率的および非営利的なベースラインの両方ですべての回転回帰実験で最先端のパフォーマンスを達成することを示しています。

要約(オリジナル)

Estimating the 3DoF rotation from a single RGB image is an important yet challenging problem. As a popular approach, probabilistic rotation modeling additionally carries prediction uncertainty information, compared to single-prediction rotation regression. For modeling probabilistic distribution over SO(3), it is natural to use Gaussian-like Bingham distribution and matrix Fisher, however they are shown to be sensitive to outlier predictions, e.g. $180^\circ$ error and thus are unlikely to converge with optimal performance. In this paper, we draw inspiration from multivariate Laplace distribution and propose a novel rotation Laplace distribution on SO(3). Our rotation Laplace distribution is robust to the disturbance of outliers and enforces much gradient to the low-error region that it can improve. In addition, we show that our method also exhibits robustness to small noises and thus tolerates imperfect annotations. With this benefit, we demonstrate its advantages in semi-supervised rotation regression, where the pseudo labels are noisy. To further capture the multi-modal rotation solution space for symmetric objects, we extend our distribution to rotation Laplace mixture model and demonstrate its effectiveness. Our extensive experiments show that our proposed distribution and the mixture model achieve state-of-the-art performance in all the rotation regression experiments over both probabilistic and non-probabilistic baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google