論文の概要: Incremental Abstraction in Distributed Probabilistic SLAM Graphs

• arxiv url: http://arxiv.org/abs/2109.06241v1
• Date: Mon, 13 Sep 2021 18:16:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-15 15:29:48.501181
• Title: Incremental Abstraction in Distributed Probabilistic SLAM Graphs
• Title（参考訳）: 分散確率SLAMグラフにおけるインクリメンタル抽象化
• Authors: Joseph Ortiz, Talfan Evans, Edgar Sucar, Andrew J. Davison
• Abstract要約: シーングラフは、コンパクトでセマンティックにリッチな方法でシーンのキーコンポーネントを表す。 シーングラフを段階的に構築するための分散グラフベースのSLAMフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 23.441820909790497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scene graphs represent the key components of a scene in a compact and semantically rich way, but are difficult to build during incremental SLAM operation because of the challenges of robustly identifying abstract scene elements and optimising continually changing, complex graphs. We present a distributed, graph-based SLAM framework for incrementally building scene graphs based on two novel components. First, we propose an incremental abstraction framework in which a neural network proposes abstract scene elements that are incorporated into the factor graph of a feature-based monocular SLAM system. Scene elements are confirmed or rejected through optimisation and incrementally replace the points yielding a more dense, semantic and compact representation. Second, enabled by our novel routing procedure, we use Gaussian Belief Propagation (GBP) for distributed inference on a graph processor. The time per iteration of GBP is structure-agnostic and we demonstrate the speed advantages over direct methods for inference of heterogeneous factor graphs. We run our system on real indoor datasets using planar abstractions and recover the major planes with significant compression.
• Abstract（参考訳）: シーングラフは、コンパクトでセマンティックなリッチな方法でシーンの重要なコンポーネントを表現するが、抽象的なシーン要素を堅牢に識別し、継続的に変化する複雑なグラフを最適化するという課題から、インクリメンタルなスラム操作では構築が難しい。 2つの新しいコンポーネントに基づいてシーングラフを段階的に構築する分散グラフベースのSLAMフレームワークを提案する。 まず,ニューラルネットワークが特徴に基づく単眼的SLAMシステムの因子グラフに組み込まれた抽象シーン要素を提案する,漸進的な抽象化フレームワークを提案する。 シーン要素は最適化によって確認または拒否され、より高密度でセマンティックでコンパクトな表現となる点を徐々に置き換える。 第2に,新たなルーティング手順により,グラフプロセッサ上での分散推論にgaussian belief propagation(gbp)を用いる。 GBPのイテレーション毎の時間は構造に依存しず、不均一因子グラフの直接推定法よりも高速であることを示す。 我々は,平面抽象化を用いて実屋内データセット上でシステムを実行し,大きな圧縮で主要平面を復元する。

関連論文リスト

• Amplify Graph Learning for Recommendation via Sparsity Completion [16.32861024767423]
  グラフ学習モデルは、協調フィルタリング(CF)ベースのレコメンデーションシステムに広くデプロイされている。 データ疎度の問題により、元の入力のグラフ構造は潜在的な肯定的な嗜好エッジを欠いている。 AGL-SC(Amplify Graph Learning framework)を提案する。
  論文  参考訳（メタデータ） (2024-06-27T08:26:20Z)
• Local Message Passing on Frustrated Systems [1.7188280334580193]
  我々は、特に巡回グラフでうまく機能する代替メッセージパッシングアルゴリズムを探索する。 我々は、基礎となるグラフの係数ノードにおけるローカルなSPAメッセージ更新ルールを、データ駆動方式で最適化されたジェネリックマッピングに置き換える。 シンボル間干渉を伴う線形通信路上でのシンボル検出のための2x2完全連結イジング格子と因子グラフの2種類の循環グラフについて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-06-02T12:42:09Z)
• Closing the Loop: Graph Networks to Unify Semantic Objects and Visual Features for Multi-object Scenes [2.236663830879273]
  ループクロージャ検出(LCD)は、以前に訪れた場所を認識する際に、ドリフトを最小限に抑えるために必要である。 Visual Bag-of-Words (vBoW)は、多くの最先端SLAMシステムで選択されたLCDアルゴリズムである。 本稿では,セマンティックオブジェクトと視覚的特徴を共生的に統合する統合グラフ構造を構築するSymbioLCD2を提案する。
  論文  参考訳（メタデータ） (2022-09-24T00:42:33Z)
• Simple Contrastive Graph Clustering [41.396185271303956]
  既存の手法を改善するための単純なコントラストグラフクラスタリング(SCGC)アルゴリズムを提案する。 我々のアルゴリズムは、最近のコントラストの高いディープクラスタリング競合よりも、平均して7倍のスピードアップを達成している。
  論文  参考訳（メタデータ） (2022-05-11T06:45:19Z)
• Representing Videos as Discriminative Sub-graphs for Action Recognition [165.54738402505194]
  ビデオ中の各アクションの識別パターンを表現およびエンコードするためのサブグラフの新たな設計を提案する。 時空グラフとクラスタを各スケールでコンパクトなサブグラフに新たに構築するMUlti-scale Sub-Earn Ling (MUSLE) フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-11T16:15:25Z)
• Spatial-spectral Hyperspectral Image Classification via Multiple Random Anchor Graphs Ensemble Learning [88.60285937702304]
  本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。 まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。 次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
  論文  参考訳（メタデータ） (2021-03-25T09:31:41Z)
• Towards Efficient Scene Understanding via Squeeze Reasoning [71.1139549949694]
  我々はSqueeze Reasoningと呼ばれる新しいフレームワークを提案する。 空間地図上の情報を伝播するのではなく、まず入力特徴をチャネルワイドなグローバルベクトルに絞ることを学ぶ。 提案手法はエンドツーエンドのトレーニングブロックとしてモジュール化可能であり,既存のネットワークに簡単に接続可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-06T12:17:01Z)
• Spectral Embedding of Graph Networks [76.27138343125985]
  ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。 埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
  論文  参考訳（メタデータ） (2020-09-30T04:59:10Z)
• Graph Pooling with Node Proximity for Hierarchical Representation Learning [80.62181998314547]
  本稿では,ノード近接を利用したグラフプーリング手法を提案し,そのマルチホップトポロジを用いたグラフデータの階層的表現学習を改善する。 その結果,提案したグラフプーリング戦略は,公開グラフ分類ベンチマークデータセットの集合において,最先端のパフォーマンスを達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-19T13:09:44Z)
• Graph Ordering: Towards the Optimal by Learning [69.72656588714155]
  グラフ表現学習は、ノード分類、予測、コミュニティ検出など、多くのグラフベースのアプリケーションで顕著な成功を収めている。 しかし,グラフ圧縮やエッジ分割などのグラフアプリケーションでは,グラフ表現学習タスクに還元することは極めて困難である。 本稿では,このようなアプリケーションの背後にあるグラフ順序付け問題に対して,新しい学習手法を用いて対処することを提案する。
  論文  参考訳（メタデータ） (2020-01-18T09:14:16Z)

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。