Generative Adversarial Networks for Solving Hand-Eye Calibration without Data Correspondence

要約

この研究では、データの対応関係のないキャリブレーション問題のソルバーとして、敵対的生成ネットワーク (GAN) のフレームワークを再発見しました。
データの対応関係が存在しないか、確立されていない場合、キャリブレーション問題は 2 つのデータ分布を揃えるパラメータ推定問題になります。
この手順は概念的には、生成分布を実際のデータ分布に一致させるようにネットワークをトレーニングする GAN トレーニングの基本原理と同じです。
主な応用例として、このアイデアはハンドアイ校正問題に適用され、複雑な校正問題における提案された方法の適用可能性と利点が実証されています。

要約(オリジナル)

In this study, we rediscovered the framework of generative adversarial networks (GANs) as a solver for calibration problems without data correspondence. When data correspondence is not present or loosely established, the calibration problem becomes a parameter estimation problem that aligns the two data distributions. This procedure is conceptually identical to the underlying principle of GAN training in which networks are trained to match the generative distribution to the real data distribution. As a primary application, this idea is applied to the hand-eye calibration problem, demonstrating the proposed method’s applicability and benefits in complicated calibration problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google