×

兹马思-数学第一资源

利用随机数字信号快速高效地计算双眼视差。(英语) Zbl 1404.68027
摘要:利用双目视差信息重建视觉场景的三维几何结构是计算机视觉和移动机器人领域的一个重要课题,可以归结为贝叶斯推理问题。然而,使用先进的贝叶斯模型计算全视差分布通常是一个棘手的问题,即使使用简单的模型,计算也很困难。在这篇文章中,我们展示了使用分布式内存和数据作为随机比特流的交替表示的概率硬件如何以高性能和能源效率解决这一问题。我们提出了一种用随机数据表示离散概率分布并用这些表示进行贝叶斯融合的方法,并说明了该方法如何应用于二元性计算。我们使用一个模拟的随机实现来评估这个系统,并讨论这种架构的可能的硬件实现,以及它们在感觉运动处理和机器人技术方面的潜力。

理学硕士:
68平方米 计算机系统环境中的性能评估、排队和调度
15层62层 贝叶斯推理
68M07型 计算机体系结构的数学问题
软件:
基蒂
PDF格式 双歧杆菌 引用
全文: 内政部
参考文献:
[1] 盖革,A。;伦茨,P。;我们准备好自动驾驶了吗?基蒂视觉基准套件,计算机视觉系统。模式识别(2012)
[2] 沙尔斯坦,D。;《密集双帧立体对应算法的分类与评价》,国际期刊。计算机。第47页,第7-42页,(2002年)·Zbl 1012.68731
[3] 拉扎罗斯,N。;锡拉库利斯,G。C、 。;《立体视觉算法的回顾:从软件到硬件》,国际期刊。光机电一体化,2435-462,(2008年)
[4] 盖革,A。;伦茨,P。;斯蒂勒,C。;《视觉与机器人技术:KITTI数据集》,Int.J。机器人。第32期,1231-1237页,(2013年)
[5] 沙尔斯坦,D。;赫施穆勒,H。;北岛。;克拉斯沃尔,G。;纳希奇,N。;王,X。;Westling,P.,《高分辨率立体数据集与亚像素精确的地面真实性》。笔记计算。科学,第8753卷,(2014年),31-42页
[6] 贝尔胡默尔。N、 ,双眼立体视觉的贝叶斯方法。计算机。第19页,第237-260页,(1996年)
[7] 苏,C。C、 。;博维克,A。C、 。;科马克,L。K、 《颜色和视差的统计模型及其在贝叶斯立体视觉中的应用》,《IEEE西南图像分析与解释研讨会论文集》(2012年),169-172
[8] 库伊,C。;普拉达利尔,C。;劳吉尔,C。;弗雷查德,T。;Bessiere,P.,用于多目标跟踪的贝叶斯占用过滤:一个汽车应用,国际期刊。机器人。第25、19-30页(2006年)
[9] 特伦,S。;W.伯加德。;Fox,D.,概率机器人学(2005),麻省理工学院出版社·Zbl 1081.68703
[10] Lebeltel,O.,程序设计bayésienne des robots,(2006年),格勒诺布尔大学,博士。论文
[11] 贝西埃,P。;劳吉尔,C。;Siegwart,R.,《感觉运动系统中的概率推理和决策》,Springer Tracts Adv.Robot,第46卷,(2008),斯普林格柏林,海德堡·Zbl 1139.93001
[12] 阿尔维斯,J。D、 。;费雷拉,J。F、 。;洛博,J。;Dias,J.,《贝叶斯推理计算解决方案的简要调查》(IROS2015年,汉堡,2015年)非传统计算贝叶斯推理研讨会)
[13] 冯诺依曼,J.,《概率逻辑和由不可靠成分合成可靠有机体》(1956年)
[14] Gaines,B.,随机计算系统,高级信息系统。《科学》,第37-172页,(1969年)
[15] Vigoda,B.,模拟逻辑:用于统计信号处理的连续时间模拟电路,(2003),麻省理工学院,博士。论文
[16] 麻省理工学院概率计算,2009年。论文
[17] 乔纳斯,E。;特南鲍姆,J。B、 。;Wilson,M.a.,概率计算的随机体系结构,(2014),麻省理工学院,博士。论文
[18] 哈桑维斯S。;李,M。;拉赫曼,M。;Salehi Fashami,M。;比斯瓦,A。K、 。;Atulasimha,J。;班迪奥帕德耶,S。;莫里茨,C。A、 《概率推理机的自相似磁电纳米电路技术》,IEEE Trans。纳米技术,14980-991,(2015年)
[19] 费雷拉,J。F、 。;拉尼洛斯,P。;Dias,J.,高维模型的快速精确贝叶斯推理(Bayesian推理的非常规计算研讨会(UCBI),IEEE/RSJ智能机器人和系统国际会议(IROS),(2015年))
[20] 塔库尔,C。S、 。;阿夫沙尔。;王,R。M、 。;汉密尔顿,T。J、 。;塔普森,J。;van Schaik,A.,《使用随机硬件的贝叶斯估计和推理》,前沿。Neurosci.,10,1-28,(2016年)
[21] 弗里德曼,J。S、 。;卡尔维特,L。E、 。;贝西埃,P。;杜洛雷斯,J。;Querlioz,D.,《穆勒C-元素贝叶斯推理》,IEEE Trans。电路系统。一、 常规。第63、6、895-905页,(2016年)
[22] 费伊,M。;洛博,J。;劳伦特,R。;沃夫雷达兹,D。;Mazer,E.,《自主机器人感知运动系统的随机贝叶斯计算》,(IROS2015贝叶斯推理非传统计算研讨会论文集,(2015)),27-32
[23] Scharstein,D.,通过比较图像的梯度场来匹配图像,(第12届国际模式识别会议论文集,第1卷,(1994)),4-7
[24] 琼斯,D。G、 。;Malik,J.,从一组线性空间滤波器确定立体对应的计算框架,图像视觉。计算机,10699-708,(1992年)
[25] Žbontar,J。;LeCun,Y.,用卷积神经网络计算立体匹配成本,(2014),arXiv预印本
[26] 梅耶尔,N。;Ilg,E。;苏联,P。;菲舍尔,P。;克雷默斯,D。;多索维茨基,A。;Brox,T.,用于训练视差、光流和场景流估计的卷积网络的大型数据集,(2015),技术报告,arXiv预印本
[27] 贝西埃,P。;阿瓦茨金,J.-M。;梅赫纳查,K。;Mazer,E.,贝叶斯规划(2013),Chapman和Hall/CRC
[28] 洛卡特利,N。;米兹拉希,A。;阿奇奥里,A。;奎里奥斯,D。;金,J.-V。;首席风险官。;Grollier,J.,《生物启发计算的自旋扭矩纳米器件》(2014年第14届细胞纳米网络及其应用国际研讨会(CNNA),第1卷,(2014年),IEEE),1-2
[29] 洛卡特利,N。;文森特,A。F、 。;米兹拉希,A。;弗里德曼,J。S、 。;沃德尼卡列维奇。;金,J.-V。;克莱恩,J.-O。;赵薇。;格罗利埃,J。;Querlioz,D.,Spintronic devices as key elements for energy efficient neurope inspired architecture(Spintronic devices as key elements for energy efficient neural inspired architecture),(2015年欧洲设计、自动化与测试会议论文集,第1卷,(2015年)),994-999
[30] Querlioz,D.,IEF工作回顾-超顺磁性MTJ的建模,(BAMBI-FET第二年会,巴黎,(2016年))
[31] Coninx,A。;劳伦特,R。;阿斯兰,M。A、 。;贝西埃,P。;洛博,J。;梅泽。;Droulez,J.,Bayesian sensor fusion with fast and low power Rastic circuits(贝叶斯传感器融合与快速低功耗随机电路),(首届IEEE国际重启计算会议论文集),ICRC,(2016),IEEE计算机学会,加利福尼亚州圣地亚哥,出版
[32] Elfes,A.,使用移动机器人感知和导航的占用网格,IEEE计算,22,46-57,(1989)
[33] Thrun,S.,学习前向传感器模型占用率网格图,Auton。机器人,15111-127,(2003)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。