論文の概要: Semantic SLAM with Autonomous Object-Level Data Association

• arxiv url: http://arxiv.org/abs/2011.10625v1
• Date: Fri, 20 Nov 2020 20:33:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 06:25:03.150302
• Title: Semantic SLAM with Autonomous Object-Level Data Association
• Title（参考訳）: 自律的オブジェクトレベルデータアソシエーションを用いたセマンティックSLAM
• Authors: Zhentian Qian, Kartik Patath, Jie Fu, Jing Xiao
• Abstract要約: セマンティックレベルのSLAMシステムは,高精度なオブジェクトレベルのデータアソシエーションとリアルタイムなセマンティックマッピングを実現する。 オンラインのセマンティックマップ構築とセマンティックレベルのローカライズ機能は、事前の未知環境におけるセマンティックレベルのマッピングとタスク計画を容易にする。
• 参考スコア（独自算出の注目度）: 31.707650560075976
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is often desirable to capture and map semantic information of an environment during simultaneous localization and mapping (SLAM). Such semantic information can enable a robot to better distinguish places with similar low-level geometric and visual features and perform high-level tasks that use semantic information about objects to be manipulated and environments to be navigated. While semantic SLAM has gained increasing attention, there is little research on semanticlevel data association based on semantic objects, i.e., object-level data association. In this paper, we propose a novel object-level data association algorithm based on bag of words algorithm, formulated as a maximum weighted bipartite matching problem. With object-level data association solved, we develop a quadratic-programming-based semantic object initialization scheme using dual quadric and introduce additional constraints to improve the success rate of object initialization. The integrated semantic-level SLAM system can achieve high-accuracy object-level data association and real-time semantic mapping as demonstrated in the experiments. The online semantic map building and semantic-level localization capabilities facilitate semantic-level mapping and task planning in a priori unknown environment.
• Abstract（参考訳）: 同時局所化とマッピング(SLAM)の間、環境の意味情報をキャプチャしてマッピングすることが望ましいことが多い。 このような意味情報は、ロボットが類似の低レベルの幾何学的・視覚的特徴を持つ場所をよりよく識別し、操作対象のセマンティック情報と操作対象の環境に関するハイレベルなタスクを実行することを可能にする。 セマンティックSLAMは注目されているが、セマンティックオブジェクト、すなわちオブジェクトレベルのデータアソシエーションに基づくセマンティックレベルのデータアソシエーションについてはほとんど研究されていない。 本稿では,最大重み付き二分項マッチング問題として定式化された単語の袋に基づくオブジェクトレベルのデータアソシエーションアルゴリズムを提案する。 オブジェクトレベルのデータアソシエーションが解決されると、双対二次を用いた二次プログラミングに基づく意味オブジェクト初期化スキームを開発し、オブジェクト初期化の成功率を改善するために追加の制約を導入する。 統合意味レベルSLAMシステムは、実験で示されたように、高精度なオブジェクトレベルデータアソシエーションとリアルタイム意味マッピングを実現することができる。 オンラインセマンティクスマップの構築とセマンティクスレベルのローカライゼーション機能により、事前の未知環境におけるセマンティクスレベルのマッピングとタスク計画が容易になる。

関連論文リスト

• Web-Scale Visual Entity Recognition: An LLM-Driven Data Approach [56.55633052479446]
  Webスケールのビジュアルエンティティ認識は、クリーンで大規模なトレーニングデータがないため、重大な課題を呈している。 本稿では,ラベル検証,メタデータ生成,合理性説明に多モーダル大言語モデル(LLM)を活用することによって,そのようなデータセットをキュレートする新しい手法を提案する。 実験により、この自動キュレートされたデータに基づいてトレーニングされたモデルは、Webスケールの視覚的エンティティ認識タスクで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2024-10-31T06:55:24Z)
• LOSS-SLAM: Lightweight Open-Set Semantic Simultaneous Localization and Mapping [9.289001828243512]
  オブジェクトを識別,ローカライズ,符号化するシステムは,オープンセットのセマンティックな同時ローカライゼーションとマッピングを行う確率的グラフィカルモデルと密結合していることを示す。 提案した軽量オブジェクト符号化は,既存のオープンセット手法よりも高精度なオブジェクトベースSLAMを実現することができることを示す。
  論文  参考訳（メタデータ） (2024-04-05T19:42:55Z)
• Exploiting Contextual Target Attributes for Target Sentiment Classification [53.30511968323911]
  TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。 我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
  論文  参考訳（メタデータ） (2023-12-21T11:45:28Z)
• Semantics Meets Temporal Correspondence: Self-supervised Object-centric Learning in Videos [63.94040814459116]
  自己教師付き手法は、高レベルの意味論と低レベルの時間対応の学習において顕著な進歩を見せている。 融合した意味特徴と対応地図の上に,意味認識型マスキングスロットアテンションを提案する。 我々は、時間的コヒーレントなオブジェクト中心表現を促進するために、セマンティックおよびインスタンスレベルの時間的一貫性を自己スーパービジョンとして採用する。
  論文  参考訳（メタデータ） (2023-08-19T09:12:13Z)
• Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
  ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。 画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。 オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
  論文  参考訳（メタデータ） (2023-07-07T04:03:48Z)
• An Object SLAM Framework for Association, Mapping, and High-Level Tasks [12.62957558651032]
  本稿では,オブジェクト指向認識とオブジェクト指向ロボットタスクに焦点を当てた包括的オブジェクトSLAMフレームワークを提案する。 提案したオブジェクトSLAMフレームワークを効率よく評価するために,さまざまな公開データセットと実世界の結果が使用されている。
  論文  参考訳（メタデータ） (2023-05-12T08:10:14Z)
• Learning-based Relational Object Matching Across Views [63.63338392484501]
  本稿では,RGB画像間のオブジェクト検出をマッチングするための,局所キーポイントと新たなオブジェクトレベルの特徴を組み合わせた学習ベースアプローチを提案する。 我々は、連想グラフニューラルネットワークにおいて、オブジェクト間の外観とフレーム間およびフレーム間空間関係に基づいて、オブジェクトレベルのマッチング機能を訓練する。
  論文  参考訳（メタデータ） (2023-05-03T19:36:51Z)
• Loop Closure Detection Based on Object-level Spatial Layout and Semantic Consistency [14.694754836704819]
  本稿では3次元シーングラフの空間的レイアウトとセマンティック一貫性に基づくオブジェクトベースのループ閉包検出手法を提案する。 実験により,提案手法によりより正確な3次元意味マップを構築可能であることが示された。
  論文  参考訳（メタデータ） (2023-04-11T11:20:51Z)
• Cascaded Semantic and Positional Self-Attention Network for Document Classification [9.292885582770092]
  ケースドセマンティクスと位置自己注意ネットワーク(CSPAN)を用いた2つの情報ソースを集約する新しいアーキテクチャを提案する。 CSPANは、Bi-LSTMにカスケードされたセマンティックセルフアテンション層を使用して、セマンティックおよび位置情報を逐次的に処理し、その後、残余接続を介してそれらを適応的に結合する。 CSPANモデルを用いて,文書分類用ベンチマークデータセットの評価を行い,その評価結果について検討した。
  論文  参考訳（メタデータ） (2020-09-15T15:02:28Z)
• GMNet: Graph Matching Network for Large Scale Part Semantic Segmentation in the Wild [23.29789882934198]
  課題に対処するために,より高いオブジェクトレベルのコンテキスト条件と部分レベルの空間関係を組み合わせたフレームワークを提案する。 オブジェクトレベルの曖昧性に取り組むために、クラスレベルのセマンティクスを保持するためにクラスコンディショニングモジュールが導入される。 また,地中真実と予測部分との相対空間関係のマッチングを目的とした,新しい隣接グラフベースモジュールを提案する。
  論文  参考訳（メタデータ） (2020-07-17T15:53:40Z)
• Pairwise Similarity Knowledge Transfer for Weakly Supervised Object Localization [53.99850033746663]
  弱教師付き画像ラベルを持つ対象クラスにおける局所化モデル学習の問題点について検討する。 本研究では,対象関数のみの学習は知識伝達の弱い形態であると主張する。 COCOおよびILSVRC 2013検出データセットの実験では、ペアワイズ類似度関数を含むことにより、ローカライズモデルの性能が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2020-03-18T17:53:33Z)

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。