[논문 리뷰] Using Normalized Cross Correlation in Least Squares Optimizations.

Oliver J. Woodford|arXiv (Cornell University)|2018. 10. 10.

Advanced Vision and Imaging참고 문헌 23인용 수 5

한 줄 요약

이 논문은 정규화된 상관관계(NCC)를 광학적 최소 제곱 최적화에 통합함으로써 강력하고 효율적이며 정확한 이미지 정렬을 가능하게 하는 새로운 방법을 제안한다. 기존 방법들과 비교해 더 뛰어난 수렴성과 계산 시간을 달성하며, 국소적 강도 변화와 부분적 가림에 대한 내성을 향상시키는 새로운 희소 설정을 도입한다.

ABSTRACT

Direct methods for vision have widely used photometric least squares minimizations since the seminal 1981 work of Lucas & Kanade, and have leveraged normalized cross correlation since at least 1972. However, no work to our knowledge has successfully combined photometric least squares minimizations and normalized cross correlation: despite obvious complementary benefits of efficiency and accuracy on the one hand, and robustness to lighting changes on the other. This work shows that combining the two methods is not only possible, but also straightforward and efficient. The resulting minimization is shown to be superior to competing approaches, both in terms of convergence rate and computation time. Furthermore, a new, robust, sparse formulation is introduced to mitigate local intensity variations and partial occlusions.

연구 동기 및 목표

• 정규화된 상관관계(NCC)를 광학적 최소 제곱 최소화와 통합하는 데 오랫동안 존재해 온 격차를 해소하기 위해.
• 이미지 정렬 작업에서 조명 변화와 국소적 강도 변화에 대한 강건성을 향상시키기 위해.
• 높은 정확도와 빠른 수렴성을 유지하면서도 효율적인 최적화 프레임워크를 개발하기 위해.
• 부분적 가림과 강도 변화에 대한 내성을 향상시키는 희소 설정을 도입하기 위해.

제안 방법

• 정규화된 상관관계(NCC)를 직접 최소 제곱 최적화 프레임워크에 통합한다.
• 결합된 NCC-최소 제곱 최소화 문제에 대해 닫힌 형태의 해를 유도한다.
• 희소 설정을 활용하여 국소적 강도 변화 및 부분적 가림에 대한 민감도를 감소시킨다.
• 수렴 속도와 안정성을 향상시키기 위해 반복적 정밀 조정을 사용한다.
• NCC 값에서 유도된 가중치를 사용하는 가중 최소 제곱 접근법을 적용한다.
• 해석적 도함수를 사용하는 기반 기반 최적화 방법으로 정렬 비용 함수를 최적화한다.

실험 결과

연구 질문

• RQ1 정규화된 상관관계는 직접 시각 방법에서 최소 제곱 최적화와 효과적으로 통합될 수 있는가?
• RQ2 기존 방법들과 비교해 병합된 접근법은 수렴 속도와 계산 시간을 향상시키는가?
• RQ3 통합이 조명 변화와 국소적 강도 변화에 대한 강건성을 향상시키는가?
• RQ4 제안된 희소 설정은 부분적 가림과 비균일 조도 조건에서 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 방법은 경쟁 기법들보다 더 빠른 수렴성과 감소된 계산 시간을 달성한다.
• NCC를 최소 제곱 최적화에 통합하는 것은 간단하고 효율적이다.
• 희소 설정은 국소적 강도 변화 및 부분적 가림에 대한 내성 향상에 크게 기여한다.
• 어려운 조명 조건에서도 높은 정확도를 유지한다.
• 통합 최적화 프레임워크는 전통적인 최소 제곱과 단독 NCC보다 정렬 작업에서 뛰어난 성능을 발휘한다.
• 해석적 유도를 통해 반복적 재가중 또는 복잡한 근사치가 필요 없이 안정적이고 효율적인 최적화를 가능하게 한다.