#266
summarized by : Naoya Chiba
Taking a Deeper Look at the Inverse Compositional Algorithm

どんな論文か?

Lucas-Kanade (LK)のInverse Compositional (IC) AlgorithmをData-drivenで行う.Two-View Feature Encoderによって解像度の異なる特徴量を抽出し,Convolutional M-estimatorによって更新をロバストにする.Trust Region Networkによって更新量を決定する.
placeholder

新規性

LKをICで解く場合の問題点(高周波数テクスチャに弱い,良いLoss Functionの選択が難しいなど)を学習ベースのアプローチで解決することを目指している.ICの基本構造を保持したまま,各要素をNNで置き換えた.

結果

問題設定として三次元の剛体変換の推定を扱っている(2Dについては補足資料に記載).MovingObject3D,BundleFusion,DynamicBundleFusion,TUM RGB-D SLAMの各データセットで評価を行い,良好な結果を得ている.Ablationに相当する結果も提示.

その他(なぜ通ったか?等)