Fugu-MT 論文翻訳(概要): Training Semantic Descriptors for Image-Based Localization

論文の概要: Training Semantic Descriptors for Image-Based Localization

arxiv url: http://arxiv.org/abs/2202.01212v1
Date: Wed, 2 Feb 2022 12:17:59 GMT
ステータス: 処理完了
システム内更新日: 2022-02-04 14:28:53.831172
Title: Training Semantic Descriptors for Image-Based Localization
Title（参考訳）: 画像に基づく局所化のための意味記述子の訓練
Authors: Ibrahim Cinaroglu and Yalin Bastanlar
Abstract要約: セグメンテーション画像からのみ抽出した記述子を用いて局所化を行うことができることを示す。セマンティックディスクリプタのローカライズ性能は,最先端のRGB画像ベース手法のレベルまで向上する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Vision based solutions for the localization of vehicles have become popular recently. We employ an image retrieval based visual localization approach. The database images are kept with GPS coordinates and the location of the retrieved database image serves as an approximate position of the query image. We show that localization can be performed via descriptors solely extracted from semantically segmented images. It is reliable especially when the environment is subjected to severe illumination and seasonal changes. Our experiments reveal that the localization performance of a semantic descriptor can increase up to the level of state-of-the-art RGB image based methods.
Abstract（参考訳）: 近年,車両のローカライゼーションのためのビジョンベースソリューションが普及している。画像検索に基づく視覚的位置決め手法を用いる。データベース画像はGPS座標で保持され、検索したデータベース画像の位置はクエリ画像の近似位置として機能する。セグメンテーション画像からのみ抽出した記述子を用いて局所化を行うことができることを示す。特に環境が厳しい照明と季節変化にさらされている場合、信頼性が高い。実験の結果,意味記述子のローカライズ性能は,最先端のRGB画像ベース手法のレベルまで向上できることがわかった。

関連論文リスト

SImProv: Scalable Image Provenance Framework for Robust Content Attribution [80.25476792081403]
我々は、クエリ画像を元の信頼できるデータベースにマッチングするフレームワークであるSImProvを提示する。 SimProvは3つのステージで構成されている。トップkの最も類似した画像を検索するためのスケーラブルな検索ステージと、候補の中からオリジナルを識別するための再ランク付けとほぼ重複した検出ステージである。 1億画像のデータセット上での効率的な検索と操作の検出を実証する。
論文参考訳（メタデータ） (2022-06-28T18:42:36Z)
Investigating the Role of Image Retrieval for Visual Localization -- An exhaustive benchmark [46.166955777187816]
本稿では,複数の視覚的ローカライゼーションパラダイムにおける画像検索の役割を理解することに焦点を当てる。本稿では、新しいベンチマーク設定を導入し、複数のデータセットにおける最先端の検索表現を比較した。これらのツールと奥行き分析を用いて、古典的ランドマーク検索や位置認識タスクにおける検索性能は、ローカライズ性能に限らず、すべてのパラダイムで相関していることを示す。
論文参考訳（メタデータ） (2022-05-31T12:59:01Z)
Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
論文参考訳（メタデータ） (2022-03-26T20:10:38Z)
Object-Guided Day-Night Visual Localization in Urban Scenes [2.4493299476776778]
提案手法はまず意味オブジェクトを検出し,画像間の対応性を確立する。標準的な都市局所化データセットの実験により,OGuLはSIFTと同様の簡易な局所的特徴を持つ局所化結果を大幅に改善することが示された。
論文参考訳（メタデータ） (2022-02-09T13:21:30Z)
Deep Metric Learning for Ground Images [4.864819846886142]
我々は,現在のロボットの位置決めについて事前の知識がない初期位置決めタスクに対処する。本稿では,クエリ画像に最もよく似た参照画像を取得するディープメトリック学習手法を提案する。地上画像の既存の画像検索手法とは対照的に,提案手法はリコール性能が大幅に向上し,最先端のテクスチャベースローカライゼーション手法のローカライズ性能が向上する。
論文参考訳（メタデータ） (2021-09-03T14:43:59Z)
SeeTheSeams: Localized Detection of Seam Carving based Image Forgery in Satellite Imagery [15.127101376238418]
シーム彫刻は、コンテンツ認識画像操作の一般的なテクニックである。本稿では,このような画像中のシームの検出と位置決定のための新しいアプローチを提案する。
論文参考訳（メタデータ） (2021-08-28T00:00:37Z)
Telling the What while Pointing the Where: Fine-grained Mouse Trace and Language Supervision for Improved Image Retrieval [60.24860627782486]
きめ細かい画像検索は、しばしば、探しているコンテンツがどこにあるかを表現する能力を必要とする。本稿では,ユーザが音声自然言語(“What”)とマウスが空のキャンバス(“where”)にトレースした画像を同時に記述する画像検索装置について述べる。我々のモデルは、この空間的ガイダンスを考慮に入れ、テキストのみの等価システムと比較して、より正確な検索結果を提供する。
論文参考訳（メタデータ） (2021-02-09T17:54:34Z)
Cross-Descriptor Visual Localization and Mapping [81.16435356103133]
視覚のローカライゼーションとマッピングは、Mixed Realityとロボティクスシステムの大部分を支える重要な技術である。特徴表現の連続的な更新を必要とする局所化とマッピングのための3つの新しいシナリオを提案する。我々のデータ駆動型アプローチは特徴記述子型に非依存であり、計算要求が低く、記述アルゴリズムの数と線形にスケールする。
論文参考訳（メタデータ） (2020-12-02T18:19:51Z)
Benchmarking Image Retrieval for Visual Localization [41.38065116577011]
視覚的ローカライゼーションは、自律運転や拡張現実といったテクノロジーの中核的なコンポーネントである。これらのタスクには最先端の画像検索アルゴリズムを用いるのが一般的である。本稿では,複数の視覚的ローカライゼーションタスクにおける画像検索の役割を理解することに焦点を当てる。
論文参考訳（メタデータ） (2020-11-24T07:59:52Z)
Geometrically Mappable Image Features [85.81073893916414]
地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。本稿では,画像検索を対象とした画像特徴学習手法を提案する。
論文参考訳（メタデータ） (2020-03-21T15:36:38Z)

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。