論文の概要: Beyond Controlled Environments: 3D Camera Re-Localization in Changing
Indoor Scenes
- arxiv url: http://arxiv.org/abs/2008.02004v1
- Date: Wed, 5 Aug 2020 09:02:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 18:20:32.067016
- Title: Beyond Controlled Environments: 3D Camera Re-Localization in Changing
Indoor Scenes
- Title(参考訳): 制御環境を超えた3dカメラの屋内シーン変更
- Authors: Johanna Wald, Torsten Sattler, Stuart Golodetz, Tommaso Cavallari,
Federico Tombari
- Abstract要約: 長期カメラ再配置は多くのコンピュータビジョンとロボット工学の応用において重要な課題である。
RIO10は、屋内シーンに焦点を当てた、新しい長期カメラ再ローカライゼーションベンチマークである。
- 参考スコア(独自算出の注目度): 74.9814252247282
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-term camera re-localization is an important task with numerous computer
vision and robotics applications. Whilst various outdoor benchmarks exist that
target lighting, weather and seasonal changes, far less attention has been paid
to appearance changes that occur indoors. This has led to a mismatch between
popular indoor benchmarks, which focus on static scenes, and indoor
environments that are of interest for many real-world applications. In this
paper, we adapt 3RScan - a recently introduced indoor RGB-D dataset designed
for object instance re-localization - to create RIO10, a new long-term camera
re-localization benchmark focused on indoor scenes. We propose new metrics for
evaluating camera re-localization and explore how state-of-the-art camera
re-localizers perform according to these metrics. We also examine in detail how
different types of scene change affect the performance of different methods,
based on novel ways of detecting such changes in a given RGB-D frame. Our
results clearly show that long-term indoor re-localization is an unsolved
problem. Our benchmark and tools are publicly available at
waldjohannau.github.io/RIO10
- Abstract(参考訳): 長期カメラ再配置は多くのコンピュータビジョンとロボット工学の応用において重要な課題である。
照明や天候、季節の変化を狙う屋外の様々な基準は存在するが、屋内で起こる外観の変化にはあまり注意が払われていない。
これは、静的なシーンに焦点を当てた人気のある屋内ベンチマークと、多くの現実世界アプリケーションに興味のある屋内環境のミスマッチを招いた。
本稿では、オブジェクトインスタンス再ローカライズ用に設計された最近導入された屋内RGB-Dデータセットである3RScanを適用し、室内シーンに焦点を当てた新しい長期カメラ再ローカライズベンチマークであるROO10を作成する。
本稿では,カメラの再ローカライズを評価するための新しい指標を提案し,その測定値に応じて最先端のカメラ再ローカライザがどのように機能するかを検討する。
また,RGB-Dフレームにおけるこのような変化を検出する新しい方法に基づいて,異なるタイプのシーン変化が異なる手法の性能に与える影響を詳細に検討する。
その結果,長期の屋内再局在は未解決の問題であることが明らかとなった。
我々のベンチマークとツールは waldjohannau.github.io/RIO10 で公開されている。
関連論文リスト
- Monocular Occupancy Prediction for Scalable Indoor Scenes [56.686307396496545]
そこで本研究では,モノクロ画像を用いた屋内シーン占有率の予測手法であるISOを提案する。
ISOは、事前訓練された深度モデルの利点を利用して正確な深度予測を行う。
Occ-ScanNetは屋内シーンの大規模占有ベンチマークである。
論文 参考訳(メタデータ) (2024-07-16T13:50:40Z) - Scene Coordinate Reconstruction: Posing of Image Collections via Incremental Learning of a Relocalizer [21.832249148699397]
シーンを描写した画像からカメラパラメータを推定するタスクに対処する。
学習に基づく再ローカライズ手法であるシーン座標回帰により、未提示画像から暗黙的なニューラルシーン表現を構築することができることを示す。
論文 参考訳(メタデータ) (2024-04-22T17:02:33Z) - Lazy Visual Localization via Motion Averaging [89.8709956317671]
本研究では,データベースからシーンを再構築することなく,高精度なローカライゼーションを実現することができることを示す。
実験の結果、我々の視覚的ローカライゼーションの提案であるLazyLocは、最先端の構造に基づく手法に対して同等のパフォーマンスを実現していることがわかった。
論文 参考訳(メタデータ) (2023-07-19T13:40:45Z) - Map-free Visual Relocalization: Metric Pose Relative to a Single Image [21.28513803531557]
本研究では,シーンの1枚の写真のみを用いて,地図のない再ローカライズを提案し,即時でスケールした再ローカライズを実現する。
既存のデータセットは、大きなシーンや限られた変数に焦点を当てているため、マップのない再ローカライゼーションのベンチマークには適していない。
我々は,世界規模で収集された彫刻,壁画,噴水など,655箇所の小さな関心事のデータセットを構築した。
論文 参考訳(メタデータ) (2022-10-11T14:49:49Z) - Visual Localization via Few-Shot Scene Region Classification [84.34083435501094]
ビジュアル(再)ローカライゼーションは、既知のシーンでキャプチャされたクエリイメージの6-DoFカメラのポーズを推定する問題に対処する。
画像画素からシーン座標へのマッピングを記憶することで,この問題を解決する。
シーン領域の分類手法を提案する。
論文 参考訳(メタデータ) (2022-08-14T22:39:02Z) - Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。
形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
論文 参考訳(メタデータ) (2022-08-01T17:45:36Z) - VS-Net: Voting with Segmentation for Visual Localization [72.8165619061249]
本稿では,クエリ画像と3Dマップ間の2次元から3次元の対応を学習可能なシーン固有のランドマークで構築する,新しい視覚的ローカライゼーションフレームワークを提案する。
提案したVS-Netは、複数の公開ベンチマークで広範囲にテストされており、最先端のビジュアルローカライゼーション手法より優れている。
論文 参考訳(メタデータ) (2021-05-23T08:44:11Z) - Large-scale Localization Datasets in Crowded Indoor Spaces [23.071409425965772]
実世界の挑戦的環境における視覚的位置決めのための新しい5つの屋内データセットを紹介した。
韓国のソウルにある大型ショッピングモールと大都市圏の駅で捕獲された。
地上の真理カメラの正確なポーズを得るために,ロバストなLiDAR SLAMを開発した。
論文 参考訳(メタデータ) (2021-05-19T06:20:49Z) - Robust Neural Routing Through Space Partitions for Camera Relocalization
in Dynamic Indoor Environments [39.99342226556908]
カメラを既知の屋内環境にローカライズすることは、シーンマッピング、ロボットナビゲーション、arなどの重要なビルディングブロックである。
最近の進歩は、2d/3dカメラ空間と3dワールド空間の座標間の2d/3d-3d対応を最適化することでカメラのポーズを推定する。
本稿では,2つの世界,深層学習と決定木アプローチを橋渡しする,外来対応ニューラルツリーを提案する。
論文 参考訳(メタデータ) (2020-12-08T21:20:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。