#763
summarized by : hisaka koji
Fusing the Old with the New: Learning Relative Camera Pose with Geometry-Guided Uncertainty

どんな論文か?

深層ニューラルネットワーク(DNN)からの予測と、5-pointアルゴリズム[37]のような幾何学的ソルバーからの解をどのように統合するかという問題は、まだ十分に検討されていない。本論文では,学習可能な方法でこれらの補完的な利点を活用することを目的として,ネットワークの学習中に2つの予測ファミリーを確率的に融合させる新しいフレームワークを提示する.
placeholder

新規性

幾何学的予測とDNN予測を融合するための不確実性ベースの確率的フレームワークを提案します。誤差関数のヤコビアンを使用して幾何学的不確実性を取得し、ソリューションの品質の指標として機能します。また、カメラの姿勢推定に関連する不確実性をさらに予測するネットワークを設計します。これにより、ベイズの定理を使用して2つの予測を融合することができます。

結果

我々は、学習に適したモーション・パーメタライゼーションを提案し、我々の手法が、難易度の高いDeMoN[61]およびScanNet[8]データセットにおいて、最先端の性能を達成することを示した。ここでは相対的なポーズに焦点を当てているが、我々のパイプラインは古典的な幾何学と深層学習の融合に広く適用できることを想定している。

その他(なぜ通ったか?等)