Oct, 2017

在 SO（3）上使用 Matrix Fisher 分布的贝叶斯态度估计

PDF
TL;DR本文提出了一种基于矩阵菲舍尔分布的随机贝叶斯态度估计方法，避开四元数表示法的复杂性和奇异性，对于复杂机动引起的大误差或大不确定性具有显著的提高。
bayesian attitude estimationmatrix fisher distributionspecial orthogonal groupstochastic propertiesintrinsic frameworks
发现论文，激发创造
  • 用矩阵费歇尔分布进行概率方向估计

    文章通过使用深度神经网络学习输出矩阵费舍尔分布参数来实现在 3D 旋转集合（$SO (3)$）上估计概率分布；并使用负对数似然损失优化生成具有凸损失的模型从而在 Pascal3D +，ModelNet10-$SO (3)$ 和 UPNA 头部姿势等多个挑战性数据集上获取了 state-of-the-art 的结果。

    Jun, 2020

  • 通过旋转拉普拉斯分布实现对 SO（3）的鲁棒概率建模

    本研究提出了一种新的基于 Laplace 分布的旋转概率模型，相较于高斯 Bingham 分布和 Matrix Fisher 模型更具鲁棒性，可以提高旋转回归任务的性能，并在半监督旋转回归和对称对象多解决方案空间等方面具有优势。

    May, 2023

  • 基于矩阵 Bingham-von Mises-Fisher 分布的模拟及其在多元和关系数据上的应用

    该文介绍了从 Bingham-von Mises-Fisher 分布中采样的拒绝和 Gibbs 抽样算法，并且说明了它们在分析蛋白质相互作用网络中的应用。

    Dec, 2007

  • 一个在 SO (3) 上受拉普拉斯启发的概率旋转估计分布

    本文提出了一种基于 Laplace 分布的 Rotation Laplace 分布，用于解决单 RGB 图像 3DoF 旋转估计的问题，其具有鲁棒性和更好的收敛效果，并在概率和非概率基线上实现了最先进的旋转回归任务表现。

    Mar, 2023

  • 对角化费舍尔信息矩阵估计的权衡

    通过分析两种随机估计器的方差并在回归和分类网络中实例化它们，我们研究了非线性对不同参数组的方差数量的影响，并发现在估计 Fisher 信息时这些方差数量不能被忽略。

    Feb, 2024

  • 由二元四元数参数化的欧几里得群上概率密度函数的近似

    本文介绍了一个概率建模的框架，用于从机器人的传感器中融合与合并弱信息以便精确定位厨房中的物体，以及传递不确定信息数据。该框架对包括融合和合并估计在内的操作提供了大量概率分布的表示。

    Jun, 2017

  • 关于不确定深度旋转学习的 SO (3) 置信度的平滑表示

    本文介绍了一种用于学习模型的 Symmetric Matrix 表征方法，它满足平滑性和对单元四元数的置信度建模，可用于机器人感知领域中的精确旋转估计，包括 VO 和对象姿态估计。作者针对点云数据和图像数据进行了实证验证，并证明该方法可有效提高对未知环境及图像的鲁棒性。

    Jun, 2020

  • 基于层级运动学概率分布的野外图像 3D 人体形状和姿态估计

    通过训练深度神经网络，使用人体运动树结构来估计相对 3D 关节旋转矩阵的分层矩阵费舍尔分布（即身体姿态）和 SMPL 身体形状参数的高斯分布，实现了对 3D 人体形状和姿态的分布性预测，能够有效地量化预测不确定性并从中采样出多种可能的 3D 重建形式，从而解释给定的输入图像。

    Oct, 2021

  • 非参数贝叶斯因子分析动态计数矩阵

    提出一种 Gamma 过程动态泊松因子分析模型，通过建立一个新的马尔科夫链来推断 Gamma 形状参数，应用于文本和音乐分析，取得最先进的结果。

    Dec, 2015

  • 基于随机梯度 MCMC 的大规模分布式贝叶斯矩阵分解

    提出一种可扩展的基于分布式随机梯度 Langevin 动力学的贝叶斯矩阵分解算法，具备与标准 MCMC 方法相同的预测准确性，同时速度快、简单，并以 Netflix 数据集为例，实现与 Gibbs 采样相当的预测准确性但快一个数量级。

    Mar, 2015