ICCV19読み会 "Learning Single Camera Depth Estimation using Dual-Pixels"Hajime Mihara
第55回 コンピュータビジョン勉強会@関東 ICCV読み会の資料です。
"Learning Single Camera Depth Estimation using Dual-Pixels"について解説しております。
https://kantocv.connpass.com/event/148011/
ICCV19読み会 "Learning Single Camera Depth Estimation using Dual-Pixels"Hajime Mihara
第55回 コンピュータビジョン勉強会@関東 ICCV読み会の資料です。
"Learning Single Camera Depth Estimation using Dual-Pixels"について解説しております。
https://kantocv.connpass.com/event/148011/
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。
セル生産方式におけるロボットの活用には様々な問題があるが,その一つとして 3 体以上の物体の組み立てが挙げられる.一般に,複数物体を同時に組み立てる際は,対象の部品をそれぞれロボットアームまたは治具でそれぞれ独立に保持することで組み立てを遂行すると考えられる.ただし,この方法ではロボットアームや治具を部品数と同じ数だけ必要とし,部品数が多いほどコスト面や設置スペースの関係で無駄が多くなる.この課題に対して音𣷓らは組み立て対象物に働く接触力等の解析により,治具等で固定されていない対象物が組み立て作業中に運動しにくい状態となる条件を求めた.すなわち,環境中の非把持対象物のロバスト性を考慮して,組み立て作業条件を検討している.本研究ではこの方策に基づいて,複数物体の組み立て作業を単腕マニピュレータで実行することを目的とする.このとき,対象物のロバスト性を考慮することで,仮組状態の複数物体を同時に扱う手法を提案する.作業対象としてパイプジョイントの組み立てを挙げ,簡易な道具を用いることで単腕マニピュレータで複数物体を同時に把持できることを示す.さらに,作業成功率の向上のために RGB-D カメラを用いた物体の位置検出に基づくロボット制御及び動作計画を実装する.
This paper discusses assembly operations using a single manipulator and a parallel gripper to simultaneously
grasp multiple objects and hold the group of temporarily assembled objects. Multiple robots and jigs generally operate
assembly tasks by constraining the target objects mechanically or geometrically to prevent them from moving. It is
necessary to analyze the physical interaction between the objects for such constraints to achieve the tasks with a single
gripper. In this paper, we focus on assembling pipe joints as an example and discuss constraining the motion of the
objects. Our demonstration shows that a simple tool can facilitate holding multiple objects with a single gripper.
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
IBMModel2
1. .
.
. ..
.
.
レポート課題2
IBM Model 2
大岩 秀和
情報理工学系研究科 数理情報学専攻 修士 1 年
November 30, 2010
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 1 / 8
2. 機械翻訳
.
目的
..
.
. ..
.
.
フランス語の文 f が与えられたとき、良い翻訳結果となる一番最もら
しい英語の文 ˆe に翻訳する。これを P(e|f) を用いて式で書くと、
ˆe = arg max
e
P(e|f) (1)
(1) 式は Bayes の定理を用いて、以下の形に書き換えられる。
ˆe = arg max
e
P(e|f) = arg max
e
P(e)P(f|e)
英文そのものの最もらしさを表す P(e) は、英文のみのコーパスから
計算できるので…
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 2 / 8
3. 機械翻訳
.
目的
..
.
. ..
.
.
フランス語の文 f が与えられたとき、良い翻訳結果となる一番最もら
しい英語の文 ˆe に翻訳する。これを P(e|f) を用いて式で書くと、
ˆe = arg max
e
P(e|f) (1)
(1) 式は Bayes の定理を用いて、以下の形に書き換えられる。
ˆe = arg max
e
P(e|f) = arg max
e
P(e)P(f|e)
英文そのものの最もらしさを表す P(e) は、英文のみのコーパスから
計算できるので…
.
目的の書き換え
..
.
. ..
.
.
対訳コーパス {(f(1), e(1)), . . . , (f(S), e(S))} を用いて、十分良い翻訳
精度を示すような P(f|e) を探す。
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 2 / 8
4. .
IBM モデル 1 のアルゴリズム
..
.
. ..
.
.
...1 英単語 e がフランス語の単語 f に翻訳される確率 t(f |e) の初期
値を決める
...2 各 (f(s), e(s)) 1 ≤ s ≤ S において、ある英単語 e があるフラン
ス語の単語 f に対応する回数の期待値
c(f |e; f(s)
, e(s)
) =
t(f |e)
t(f |e0) + · · · + t(f |el )
m
∑
j=1
δ(f, f′
)
l
∑
i=0
δ(e, ei )
を計算する。
...3 t(f |e) を再推定する。
t(f |e) =
∑s C(f |e; f(s), e(s))
∑f ∑s C(f |e; f(s), e(s))
...4 収束するまで、ステップ 2 とステップ 3 を繰り返す
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 3 / 8
5. IBM モデル 2
IBM モデル 1 では、英語とフランス語の間には、単語の出現順
序の関係性はないという制約を課した。
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 4 / 8
6. IBM モデル 2
IBM モデル 1 では、英語とフランス語の間には、単語の出現順
序の関係性はないという制約を課した。
IBM モデル 2 はこの条件を緩和する。
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 4 / 8
7. IBM モデル 2
IBM モデル 1 では、英語とフランス語の間には、単語の出現順
序の関係性はないという制約を課した。
IBM モデル 2 はこの条件を緩和する。
フランス語の単語fj と接続する英語の単語の位置 aj は、以下の
変数に依存すると仮定する。
フランス語の単語の位置 j
英語の文の長さ l
フランス語の文の長さ m
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 4 / 8
8. IBM モデル 2
IBM モデル 1 では、英語とフランス語の間には、単語の出現順
序の関係性はないという制約を課した。
IBM モデル 2 はこの条件を緩和する。
フランス語の単語fj と接続する英語の単語の位置 aj は、以下の
変数に依存すると仮定する。
フランス語の単語の位置 j
英語の文の長さ l
フランス語の文の長さ m
すなわち、フランス語の単語 fj に接続する英語の単語の位置 aj
は、対応付け確率で表現されるとする。
.
Definition (対応付け確率 / alignment probability)
..
.
. ..
.
.
a(aj |j, m, l) = P(aj |a
j−1
1 , f
j−1
1 , m, e)
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 4 / 8
9. IBM モデル 2
対応付け確率を導入した P(f|e) は、以下の式で記述できる。
P(f|e) = ϵ
l
∑
a1=0
· · ·
l
∑
am=0
m
∏
j=1
t(fj |eaj
)a(aj |j, m, l)
= ϵ
m
∏
j=1
l
∑
aj =0
t(fj |eaj
)a(aj |j, m, l)
.
参考:モデル 1 の場合
..
.
. ..
.
.
P(f|e) =
ϵ
(l + 1)m
m
∏
j=1
l
∑
i=0
t(fj |ei )
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 5 / 8
10. 制約 ∑f t(f |e) = 1 と ∑l
i=0 a(i|j, m, l) = 1 を用いると、ラグラン
ジュ未定乗数法から、
単語 e が単語 f に接続する回数の期待値 C(f |e; f, e)
英語の単語位置 i がフランス語の単語位置 j に接続する回数の期
待値 C(i|j, m, l; f, e)
が導出できる。
.
.
. ..
.
.
C(f |e; f, e) =
m
∑
j=1
l
∑
i=0
t(f |e)a(i|j, m, l)δ(f, fj )δ(e, ei )
t(f |e0)a(0|j, m, l) + · · · + t(f |el )a(l|j, m, l)
.
.
. ..
.
.
C(i|j, m, l; f, e) =
t(fj |ei )a(i|j, m, l)
t(fj |e0)a(0|j, m, l) + · · · + t(fj |el )a(l|j, m, l)
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 6 / 8
11. 青色で書かれている部分が、IBM モデル 1 との違い。
.
IBM モデル 2 のアルゴリズム
..
.
. ..
.
.
...1 英単語 e がフランス語の単語 f に翻訳される確率 t(f |e) と、英
語の単語位置 i がフランス語の単語位置 j に接続する確率
a(i|j, m, l) の初期値を決める
...2 各 (f(s), e(s)) 1 ≤ s ≤ S において、単語 e が単語 f に接続する
回数の期待値 C(f |e; f, e) と、英語の単語位置 i がフランス語の
単語位置 j に接続する回数の期待値 C(i|j, m, l; f, e) を計算する。
...3 t(f |e) と a(i|j, m, l) を再推定する。
a(i|j, m, l) =
∑s C(i|j, m, l; f(s), e(s))
∑l
i=0 ∑s C(i|j, m, l; f(s), e(s))
...4 収束するまで、ステップ 2 とステップ 3 を繰り返す。
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 7 / 8
12. IBM モデル 2 まとめ
IBM モデル 2 は、IBM モデル 1 の英語とフランス語の間には、
単語の出現順序の関係性はないという制約を緩和したモデル
フランス語の単語に接続する英語の単語の位置を対応付け確
率で表現し、EM アルゴリズムで最尤解を導出
IBM モデル 1 は IBM モデル 2 の特殊系
a(i|j, m, l) = (l + 1)−1
に固定したものが IBM モデル 1
IBM モデル 1 を用いて単語間の関係を推定した後に、その結果
を IBM モデル 2 の初期値として対応付け確率を推定する方法が
よく取られる
IBM モデル 2 は局所解が複数存在し、局所解に陥りやすいため
大岩 秀和 (情理・数理) レポート課題2 IBM Model 2 November 30, 2010 8 / 8