Submit Search
Upload
20160724_cv_sfm_revisited
•
Download as PPTX, PDF
•
8 likes
•
4,407 views
K
Kyohei Unno
Follow
CV勉強会@関東 CVPR2016読み会 Structure-from-Motion Revisited
Read less
Read more
Technology
Report
Share
Report
Share
1 of 23
Download now
Recommended
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Kento Doi
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
Deep Learning JP
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイ
cvpaper. challenge
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
Sift特徴量について
Sift特徴量について
la_flance
画像キャプションの自動生成
画像キャプションの自動生成
Yoshitaka Ushiku
Recommended
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Kento Doi
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
Deep Learning JP
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイ
cvpaper. challenge
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
Sift特徴量について
Sift特徴量について
la_flance
画像キャプションの自動生成
画像キャプションの自動生成
Yoshitaka Ushiku
【DL輪読会】"Instant Neural Graphics Primitives with a Multiresolution Hash Encoding"
【DL輪読会】"Instant Neural Graphics Primitives with a Multiresolution Hash Encoding"
Deep Learning JP
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
cvpaper. challenge
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
Deep Learning JP
Point net
Point net
Fujimoto Keisuke
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
Deep Learning JP
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
Deep Learning JP
【メタサーベイ】Video Transformer
【メタサーベイ】Video Transformer
cvpaper. challenge
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
STAIR Lab, Chiba Institute of Technology
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
ドメイン適応の原理と応用
ドメイン適応の原理と応用
Yoshitaka Ushiku
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
Toru Tamaki
20090924 姿勢推定と回転行列
20090924 姿勢推定と回転行列
Toru Tamaki
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII
関東コンピュータビジョン勉強会
関東コンピュータビジョン勉強会
nonane
20161203 cv 3_d_recon_tracking_eventcamera
20161203 cv 3_d_recon_tracking_eventcamera
Kyohei Unno
More Related Content
What's hot
【DL輪読会】"Instant Neural Graphics Primitives with a Multiresolution Hash Encoding"
【DL輪読会】"Instant Neural Graphics Primitives with a Multiresolution Hash Encoding"
Deep Learning JP
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
cvpaper. challenge
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
Deep Learning JP
Point net
Point net
Fujimoto Keisuke
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
Deep Learning JP
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
Deep Learning JP
【メタサーベイ】Video Transformer
【メタサーベイ】Video Transformer
cvpaper. challenge
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
STAIR Lab, Chiba Institute of Technology
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
ドメイン適応の原理と応用
ドメイン適応の原理と応用
Yoshitaka Ushiku
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
Toru Tamaki
20090924 姿勢推定と回転行列
20090924 姿勢推定と回転行列
Toru Tamaki
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII
What's hot
(20)
【DL輪読会】"Instant Neural Graphics Primitives with a Multiresolution Hash Encoding"
【DL輪読会】"Instant Neural Graphics Primitives with a Multiresolution Hash Encoding"
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
Point net
Point net
20190307 visualslam summary
20190307 visualslam summary
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
【メタサーベイ】Video Transformer
【メタサーベイ】Video Transformer
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
画像キャプションと動作認識の最前線 〜データセットに注目して〜(第17回ステアラボ人工知能セミナー)
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
ドメイン適応の原理と応用
ドメイン適応の原理と応用
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
20090924 姿勢推定と回転行列
20090924 姿勢推定と回転行列
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
Viewers also liked
関東コンピュータビジョン勉強会
関東コンピュータビジョン勉強会
nonane
20161203 cv 3_d_recon_tracking_eventcamera
20161203 cv 3_d_recon_tracking_eventcamera
Kyohei Unno
ディジタル信号処理 課題解説 その9
ディジタル信号処理 課題解説 その9
noname409
続・ハロー・ワールド入門(オープンソースカンファレンス2016 Tokyo/Spring ライトニングトーク)
続・ハロー・ワールド入門(オープンソースカンファレンス2016 Tokyo/Spring ライトニングトーク)
kozossakai
Process Simulation using DWSIM
Process Simulation using DWSIM
Naren P.R.
【関東GPGPU勉強会#4】GTX 1080でComputer Visionアルゴリズムを色々動かしてみる
【関東GPGPU勉強会#4】GTX 1080でComputer Visionアルゴリズムを色々動かしてみる
Yasuhiro Yoshimura
Scilab: Computing Tool For Engineers
Scilab: Computing Tool For Engineers
Naren P.R.
アセンブラ漢文
アセンブラ漢文
kozossakai
Hough forestを用いた物体検出
Hough forestを用いた物体検出
MPRG_Chubu_University
Cloud frontの概要と勘所
Cloud frontの概要と勘所
Kei Hirata
TensorFlowで遊んでみよう!
TensorFlowで遊んでみよう!
Kei Hirata
VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成
VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成
Hiroshi Yamaguchi
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Shohei Hido
Cvim saisentan-cvpr-hyper depth
Cvim saisentan-cvpr-hyper depth
tomoaki0705
機械学習モデルフォーマットの話:さようならPMML、こんにちはPFA
機械学習モデルフォーマットの話:さようならPMML、こんにちはPFA
Shohei Hido
有名論文から学ぶディープラーニング 2016.03.25
有名論文から学ぶディープラーニング 2016.03.25
Minoru Chikamune
最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...
最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...
Yuya Unno
深層学習とTensorFlow入門
深層学習とTensorFlow入門
tak9029
畳み込みLstm
畳み込みLstm
tak9029
Chainer, Cupy入門
Chainer, Cupy入門
Yuya Unno
Viewers also liked
(20)
関東コンピュータビジョン勉強会
関東コンピュータビジョン勉強会
20161203 cv 3_d_recon_tracking_eventcamera
20161203 cv 3_d_recon_tracking_eventcamera
ディジタル信号処理 課題解説 その9
ディジタル信号処理 課題解説 その9
続・ハロー・ワールド入門(オープンソースカンファレンス2016 Tokyo/Spring ライトニングトーク)
続・ハロー・ワールド入門(オープンソースカンファレンス2016 Tokyo/Spring ライトニングトーク)
Process Simulation using DWSIM
Process Simulation using DWSIM
【関東GPGPU勉強会#4】GTX 1080でComputer Visionアルゴリズムを色々動かしてみる
【関東GPGPU勉強会#4】GTX 1080でComputer Visionアルゴリズムを色々動かしてみる
Scilab: Computing Tool For Engineers
Scilab: Computing Tool For Engineers
アセンブラ漢文
アセンブラ漢文
Hough forestを用いた物体検出
Hough forestを用いた物体検出
Cloud frontの概要と勘所
Cloud frontの概要と勘所
TensorFlowで遊んでみよう!
TensorFlowで遊んでみよう!
VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成
VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Cvim saisentan-cvpr-hyper depth
Cvim saisentan-cvpr-hyper depth
機械学習モデルフォーマットの話:さようならPMML、こんにちはPFA
機械学習モデルフォーマットの話:さようならPMML、こんにちはPFA
有名論文から学ぶディープラーニング 2016.03.25
有名論文から学ぶディープラーニング 2016.03.25
最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...
最先端NLP勉強会“Learning Language Games through Interaction”Sida I. Wang, Percy L...
深層学習とTensorFlow入門
深層学習とTensorFlow入門
畳み込みLstm
畳み込みLstm
Chainer, Cupy入門
Chainer, Cupy入門
Similar to 20160724_cv_sfm_revisited
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Yoshitaka Ushiku
優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)
cvpaper. challenge
cvpaper.challenge -CVの動向とこれからの問題を作るために- (東京大学講演)
cvpaper.challenge -CVの動向とこれからの問題を作るために- (東京大学講演)
cvpaper. challenge
Leveraging Visual Question Answeringfor Image-Caption Ranking (関東CV勉強会 ECCV ...
Leveraging Visual Question Answeringfor Image-Caption Ranking (関東CV勉強会 ECCV ...
Yoshitaka Ushiku
MS COCO Dataset Introduction
MS COCO Dataset Introduction
Shinagawa Seitaro
視覚と対話の融合研究
視覚と対話の融合研究
Yoshitaka Ushiku
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
Yamato OKAMOTO
Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...
Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...
Yoshitaka Ushiku
ThemeStudy ― CHI2017-2018分析 + CHI2018速報
ThemeStudy ― CHI2017-2018分析 + CHI2018速報
cvpaper. challenge
B3スタートアップ コンピュータビジョンの現在と未来にやるべきこと(東京電機大学講演)
B3スタートアップ コンピュータビジョンの現在と未来にやるべきこと(東京電機大学講演)
cvpaper. challenge
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2...
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2...
cvpaper. challenge
オープンソースで作るスマホ文字認識アプリ
オープンソースで作るスマホ文字認識アプリ
陽平 山口
NLP2017 NMT Tutorial
NLP2017 NMT Tutorial
Toshiaki Nakazawa
cvpaper.challenge チームラボ講演
cvpaper.challenge チームラボ講演
cvpaper. challenge
掲示板にBootstrap使ってみたよ!
掲示板にBootstrap使ってみたよ!
ferretdayo
continuatioN Linking
continuatioN Linking
Kouji Matsui
ECCV2020 オーラル論文完全読破 (2/2)
ECCV2020 オーラル論文完全読破 (2/2)
cvpaper. challenge
Sequence Level Training with Recurrent Neural Networks (関東CV勉強会 強化学習論文読み会)
Sequence Level Training with Recurrent Neural Networks (関東CV勉強会 強化学習論文読み会)
Yoshitaka Ushiku
【2016.07】cvpaper.challenge2016
【2016.07】cvpaper.challenge2016
cvpaper. challenge
ECCV2020 Oral論文 完全読破(1/2)
ECCV2020 Oral論文 完全読破(1/2)
cvpaper. challenge
Similar to 20160724_cv_sfm_revisited
(20)
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)
cvpaper.challenge -CVの動向とこれからの問題を作るために- (東京大学講演)
cvpaper.challenge -CVの動向とこれからの問題を作るために- (東京大学講演)
Leveraging Visual Question Answeringfor Image-Caption Ranking (関東CV勉強会 ECCV ...
Leveraging Visual Question Answeringfor Image-Caption Ranking (関東CV勉強会 ECCV ...
MS COCO Dataset Introduction
MS COCO Dataset Introduction
視覚と対話の融合研究
視覚と対話の融合研究
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...
Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...
ThemeStudy ― CHI2017-2018分析 + CHI2018速報
ThemeStudy ― CHI2017-2018分析 + CHI2018速報
B3スタートアップ コンピュータビジョンの現在と未来にやるべきこと(東京電機大学講演)
B3スタートアップ コンピュータビジョンの現在と未来にやるべきこと(東京電機大学講演)
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2...
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2...
オープンソースで作るスマホ文字認識アプリ
オープンソースで作るスマホ文字認識アプリ
NLP2017 NMT Tutorial
NLP2017 NMT Tutorial
cvpaper.challenge チームラボ講演
cvpaper.challenge チームラボ講演
掲示板にBootstrap使ってみたよ!
掲示板にBootstrap使ってみたよ!
continuatioN Linking
continuatioN Linking
ECCV2020 オーラル論文完全読破 (2/2)
ECCV2020 オーラル論文完全読破 (2/2)
Sequence Level Training with Recurrent Neural Networks (関東CV勉強会 強化学習論文読み会)
Sequence Level Training with Recurrent Neural Networks (関東CV勉強会 強化学習論文読み会)
【2016.07】cvpaper.challenge2016
【2016.07】cvpaper.challenge2016
ECCV2020 Oral論文 完全読破(1/2)
ECCV2020 Oral論文 完全読破(1/2)
Recently uploaded
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
Hiroshi Tomioka
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
Recently uploaded
(9)
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
20160724_cv_sfm_revisited
1.
第35回 CV勉強会@関東 後編 CVPR2016読み会 Structure-from-Motion
Revisited 2016年7月24日 @OZ_Z_C 2016/7/24 CV勉強会@関東 CVPR2016読み会 1
2.
自己紹介 @OZ_Z_C (twitter) 某企業研究所所属 専門:画像符号化
(画像圧縮) 仕事 過去:H.264 encoderの開発、など 2016/4~ CV的な研究テーマに従事 よろしくお願いします! 2016/7/24 CV勉強会@関東 CVPR2016読み会 2
3.
今回読んだ論文 タイトル Structure-from-Motion Revisited どんな論文? Structure-from-Motionを全体的に地道によくした この論文を選んだ理由 Structure-from-Motionを勉強したかった アルゴリズム全体について述べられているので全体像を知るにはちょうどよい ソースコード&ビルド済みバイナリを公開していた COLMAP http://people.inf.ethz.ch/jschoenb/colmap/ 2016/7/24 CV勉強会@関東
CVPR2016読み会 3
4.
今回読んだ論文 タイトル Structure-from-Motion Revisited どんな論文? Structure-from-Motionを全体的に地道によくした この論文を選んだ理由 Structure-from-Motionを勉強したかった アルゴリズム全体について述べられているので全体像を知るにはちょうどよい ソースコード&ビルド済みバイナリを公開していた COLMAP http://people.inf.ethz.ch/jschoenb/colmap/ いろいろDLしてやってみたが、うまくいかなかった・・・ 自前ビルドは、LinuxかMac推奨 (Windowsでやったが挫折) ビルド済みバイナリはなぜかうまく動かなかった 2016/7/24
CV勉強会@関東 CVPR2016読み会 4
5.
発表の流れ 論文の流れに沿って下記順序で説明 1. Structure-from-Motionのアルゴリズム 2. 提案手法のコントリビューション 3.
性能評価 2016/7/24 CV勉強会@関東 CVPR2016読み会 5
6.
Structure-from-Motion (SfM) とは Structure-from-Motion
(SfM) 様々な視点で撮影された画像から三次元構造を再構成する技術 本論文は、インターネット上で収集した大量の写真への対応を考慮 2016/7/24 CV勉強会@関東 CVPR2016読み会 6 http://www.cs.cornell.edu/~snavely/bundler/
7.
Incremental SfMのアルゴリズム Incremental SfM 2枚の画像からスタートし、画像を追加しながら徐々に三次元モデルを拡張 Bundler、VisualSfMなどの先行技術もIncremental
SfM 本論文の提案手法もIncremental SfM 論文中では、 Incremental SfMを単にSfMと呼ぶ 他には、全体を同時に最適化するglobal SfMもあり (Theiaなど) 2016/7/24 CV勉強会@関東 CVPR2016読み会 7
8.
Incremental SfMのアルゴリズム Correspondence Search 特徴抽出~マッチング 特徴点単位で、他の画像の特徴点とマッチング SfMでは様々な視点、照明条件(天候・時間帯など)で撮影した画像を使用 回転、拡大縮小、照明変化に頑健なSIFTやその派生(本論文ではRootSIFT)などが用いられる Geometoric
Verification 射影幾何を用いて、画像単位での対応関係(シーングラフ)を求める アウトライヤ(外れ値)を除去するにはRANSACなどの手法を使用 RANSAC:ランダムに選択した点で幾何モデルを計算、幾何モデルの検証、を反復的に実行し てアウトライヤを除去するアルゴリズム 2016/7/24 CV勉強会@関東 CVPR2016読み会 8
9.
Incremental SfMのアルゴリズム Incremental Reconstruction 初期化 初期ペア画像で三次元モデルを初期化 初期値は大事 ロバスト性、精度、パフォーマンス(演算量❓)に影響 Image
Registration 三次元モデルに新しい画像を登録 三次元位置を算出済みの点と、新しく登録する画像の特徴点でPnP問題を解く カメラの位置・姿勢を推定 2016/7/24 CV勉強会@関東 CVPR2016読み会 9
10.
Incremental SfMのアルゴリズム Incremental Reconstruction 三角測量 三角測量により、新しい画像の特徴点の三次元位置を算出 バンドル調整 画像登録(カメラの位置・姿勢推定)と三角測量(点の三次元位置算出)は互いに影響 再調整しないと、すぐ三次元モデルが破綻してしまう 下記2つの間の誤差(再投影誤差)を最小化してモデルを修正 画像上の特徴点(観測点)座標 構築した三次元モデルから算出した特徴点座標 2016/7/24
CV勉強会@関東 CVPR2016読み会 10
11.
提案手法のChallengeとContribution Challenge 対象は大規模なインターネット上の画像 精度と完全性の最大化がSfMのKey challenge State-of-the-artと比較して顕著に性能が改善 Contribution 1. ロバストなシーングラフの拡張 2.
ベストな次登録画像を選択するアルゴリズム 3. ロバスト&効率的な三角測量 4. 反復的なBA、再三角測量、フィルタリング 5. 効率的なBAパラメータ化 2016/7/24 CV勉強会@関東 CVPR2016読み会 11
12.
提案手法のChallengeとContribution ContributionとIncremental SfMアルゴリズムの関係 2016/7/24 CV勉強会@関東
CVPR2016読み会 12 4.1 Scene Graph Augmentation 4.2 Next Best View Selection 4.3 Robust and Efficient Triangulation 4.5 Redundant View Mining 4.4 Bundle Adjustment
13.
4.1 Scene Graph
Augmentation 二つの工夫でロバストにシーングラフを拡大 1. Panoramic (純粋な回転) なシーン(画像ペア)を見つける 焦点距離・基礎行列などが求められない→のちの三角測量で使わないようにするため 手順 1. 下記3つの手法でGeometric Verificationを行い、インライアの数Nを求める 基礎行列F:NF、基本行列E:NE、ホモグラフィH:NH 2. NH / NF < εHF の場合、general (普通の❓) シーンとみなす 3. NE / NF > εEF (正しくキャリブレーションされている)かつNH / NF < εHF の場合、三角測量した際 の角のメディアン値αmを用いてpanoramic or planar を判定する NH / NE > εHE の間違い? 実際はαmを使っていない? (ソースコードより) 2016/7/24 CV勉強会@関東 CVPR2016読み会 13 Panoramicな例
14.
4.1 Scene Graph
Augmentation 二つの工夫でロバストにシーングラフを拡大 2. WTFs (Watermark, Timestamp, Frames) が含まれる画像を除外 手順 1. 画面端でのインライアの数NSを求める 2. NS / NF > εSF ∨ NS / NE > εSE の場合、WTFsが含まれた画像とみなす 2016/7/24 CV勉強会@関東 CVPR2016読み会 14 [60]T.Weyand, et.al. Fixing wtfs: Detecting image matches caused by watermark, timestamps, and frames in internet photos
15.
4.2 Next Best
View Selection “良い”画像とは? 可視点 (Visible point) がたくさんある 画面全体にまんべんなく分布している これらの両方をうまく評価できる指標? 下記4パターンだと右下が一番良い 2016/7/24 CV勉強会@関東 CVPR2016読み会 15
16.
4.2 Next Best
View Selection スコアSを提案 画面をL階層に四分木分割 階層l (l = 1, … ,L ) の各セルに可視点があるかないかを2値で表現 𝑆 = 𝑙=1 𝐿 𝑤𝑙 ∙ 𝑁𝑙 𝑤𝑙: = 22l 重み , 𝑁𝑙: l階層目の”1”のセル数 最もSが大きい画像がBest! 2016/7/24 CV勉強会@関東 CVPR2016読み会 16 数の違い 分布の 違い wl = 2l ?
17.
4.3 Robust and
Efficient Triangulation 下記2点を実現するアルゴリズムを提案 大量にアウトライヤが混入しているケースへの対応 計算コストの削減 提案手法 三角測量にRANSACを導入する (アウトライヤへの対応) 十分にコンセンサスが取れた点を除外する (計算コストの削減) 2016/7/24 CV勉強会@関東 CVPR2016読み会 17
18.
4.4 Bundle Adjustment 突然ですが、VisualSfMでは・・・ 1.
各画像登録・三角測量後は局所的なBA (local BA) のみ行う 2. ある程度画像・三角点が増えて来たら全体的なBA (global BA) を行う 3. global BAの前に、再三角測量 (RT) を行う 4. global BA後は、再投影誤差が大きい点をフィルタリングする 提案手法 pre-BA RT、 post-BA RTを行うBAを提案 pre-BA RT、global BA、 post-BA RT、フィルタリングを反復的に行う BAはアウトライヤに大きく影響→もう一度RTをやると結果が良くなる アウトライヤをフィルタリングした後にBAすれば、モデルが劇的に良くなる 2016/7/24 CV勉強会@関東 CVPR2016読み会 18
19.
4.5 Redundant View
Mining BAは大きなボトルネック 提案方式の演算量内訳 (1: 改善前、2:改善後) 先行研究 Kushalら[文献33] 二つの画像間での共可視点の数で冗長なカメラを見つけて演算コストを削減 Niら[文献43] 観測データをサブマップに分割し、並列で最適化 Carloneら[文献11] 複数の低ランクな点を、一つの高ランクなカメラにまとめる(?) 提案手法 上記手法の良いとこどり 2016/7/24 CV勉強会@関東 CVPR2016読み会 19
20.
4.5 Redundant View
Mining 提案手法 1. affectなシーンとunaffectなシーンに分類 Affectの定義 : 直前に追加された画像 or アウトライヤが一定の割合以上含まれている画像 2. unaffectなシーンを視野のオーバーラップが大きな画像のグループに分類 共可視点の多さを下記Vabで評価 :i番目の画像で、Nx個の空間上の点が可視かどうかをNx桁の0/1で表現したベクトル |Vab| > V (V:閾値) を超えた場合、グループに追加 閾値を下回る場合 or グループ内の画像数が一定以上になった場合:新しいグループを作成 3. グループ内の画像を一つのカメラとみなしてパラメータを統一・・・? affectなシーンはパラメータが調整できるようそのままにしておく unaffectなシーンの最適化をいかに効率よくさぼるかが狙い? 2016/7/24 CV勉強会@関東 CVPR2016読み会 20 babaabV vvvv iv
21.
性能評価 比較手法 Incremental SfM :
Bundler, Visual SfM global SfM : Theia, DISCO データセット 17種類のデータセットで比較 Quadデータセットはカメラ位置のground truth付き 2016/7/24 CV勉強会@関東 CVPR2016読み会 21 Romeデータセットの実行結果
22.
性能評価 実行時間と精度の比較 実行時間はTheiaが早い (global SfMのため) VisualSfM
(incremental) よりわずかに遅い。精度は同等。 Completenessがsignificantly outperform (Avg. Track Lengthが長い?) 2016/7/24 CV勉強会@関東 CVPR2016読み会 22
23.
fin. 2016年7月24日 @OZ_Z_C 2016/7/24 CV勉強会@関東
CVPR2016読み会 23
Download now