FastMap: Revisiting Dense and Scalable Structure from Motion

要約

速度とシンプルさに焦点を当てたモーションメソッドからの新しいグローバル構造であるFastMapを提案します。
ColMapやGlomapなどの以前の方法では、高精度のカメラのポーズを推定できますが、一致したキーポイントペアの数が大きくなるとスケーラビリティが低下します。
この問題につながる2つの重要な要因を特定します。並列化の低さと計算上の高価な最適化ステップです。
これらの問題を克服するために、GPUに優しい操作に完全に依存するSFMフレームワークを設計し、簡単に並行可能にします。
さらに、各最適化ステップは、キーポイントペアまたは3Dポイントとは無関係に、画像ペアの数に対して直線的に実行されます。
大規模な実験を通じて、FastMapは、同等のポーズ精度を備えた大規模なシーンのColMapやGlomapよりも1〜2桁高速であることを示しています。

要約(オリジナル)

We propose FastMap, a new global structure from motion method focused on speed and simplicity. Previous methods like COLMAP and GLOMAP are able to estimate high-precision camera poses, but suffer from poor scalability when the number of matched keypoint pairs becomes large. We identify two key factors leading to this problem: poor parallelization and computationally expensive optimization steps. To overcome these issues, we design an SfM framework that relies entirely on GPU-friendly operations, making it easily parallelizable. Moreover, each optimization step runs in time linear to the number of image pairs, independent of keypoint pairs or 3D points. Through extensive experiments, we show that FastMap is one to two orders of magnitude faster than COLMAP and GLOMAP on large-scale scenes with comparable pose accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google