論文の概要: OverlapNetVLAD: A Coarse-to-Fine Framework for LiDAR-based Place Recognition

• arxiv url: http://arxiv.org/abs/2303.06881v1
• Date: Mon, 13 Mar 2023 05:56:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 16:14:24.717120
• Title: OverlapNetVLAD: A Coarse-to-Fine Framework for LiDAR-based Place Recognition
• Title（参考訳）: OverlapNetVLAD:LiDARを用いた位置認識のための粗大なフレームワーク
• Authors: Chencan Fu, Lin Li, Linpeng Peng, Yukai Ma, Xiangrui Zhao, and Yong Liu
• Abstract要約: 既存の3次元LiDAR位置認識手法は、限られた特徴表現能力と長い検索時間に悩まされている。 本研究では,Birds' Eye View (BEV)特徴抽出,粗粒度マッチング,きめ細かな検証を組み合わせた3次元LiDAR位置認識のための新しい粗粒度フレームワークを提案する。 我々のフレームワークは最先端の手法と比較して先進的な性能を実現している。
• 参考スコア（独自算出の注目度）: 9.74043985151874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Place recognition is a challenging yet crucial task in robotics. Existing 3D LiDAR place recognition methods suffer from limited feature representation capability and long search times. To address these challenges, we propose a novel coarse-to-fine framework for 3D LiDAR place recognition that combines Birds' Eye View (BEV) feature extraction, coarse-grained matching, and fine-grained verification. In the coarse stage, our framework leverages the rich contextual information contained in BEV features to produce global descriptors. Then the top-\textit{K} most similar candidates are identified via descriptor matching, which is fast but coarse-grained. In the fine stage, our overlap estimation network reuses the corresponding BEV features to predict the overlap region, enabling meticulous and precise matching. Experimental results on the KITTI odometry benchmark demonstrate that our framework achieves leading performance compared to state-of-the-art methods. Our code is available at: \url{https://github.com/fcchit/OverlapNetVLAD}.
• Abstract（参考訳）: 位置認識はロボット工学では難しいが重要な課題だ。 既存の3dライダー位置認識手法は特徴表現能力に制限があり、検索時間が長い。 これらの課題に対処するために,バードズアイビュー(BEV)特徴抽出,粗粒度マッチング,細粒度検証を組み合わせた3次元LiDAR位置認識のための新しい粗粒度フレームワークを提案する。 粗い段階では,BEV機能に含まれる豊富なコンテキスト情報を利用してグローバルな記述子を生成する。 すると、最も類似する候補のトップ-\textit{k} が記述子マッチングによって識別される。 詳細な段階では、重なり推定ネットワークは対応するBEV特徴を再利用し、重なり合う領域を予測し、正確かつ正確なマッチングを可能にする。 KITTI odometry ベンチマークの実験結果から,我々のフレームワークは最先端の手法と比較して高い性能を達成できることが示された。 私たちのコードは、 \url{https://github.com/fcchit/overlapnetvlad} で利用可能です。

関連論文リスト

• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• Efficient Inverted Indexes for Approximate Retrieval over Learned Sparse Representations [8.796275989527054]
  本稿では,学習したスパース埋め込みを高速に検索できる逆インデックスの新たな組織を提案する。 提案手法では,逆リストを幾何学的に結合したブロックに整理し,それぞれに要約ベクトルを備える。 以上の結果から, 地震動は, 最先端の逆インデックスベースソリューションよりも1～2桁高速であることが示唆された。
  論文  参考訳（メタデータ） (2024-04-29T15:49:27Z)
• HCPM: Hierarchical Candidates Pruning for Efficient Detector-Free Matching [43.50525492577969]
  HCPMは、階層的プルーニングを用いてマッチングパイプラインを最適化する、効率的かつ検出不要な局所的特徴マッチング手法である。 その結果,HCPMは精度を保ちながら,既存の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-03-19T08:40:19Z)
• The Battleship Approach to the Low Resource Entity Matching Problem [0.0]
  本稿では,エンティティマッチング問題に対する新しいアクティブな学習手法を提案する。 我々は、エンティティマッチングのユニークな特性を利用する選択メカニズムに焦点を当てる。 実験により,提案アルゴリズムは,最先端のアクティブ・ラーニング・ソリューションより低リソース・エンティティ・マッチングに優れることを示した。
  論文  参考訳（メタデータ） (2023-11-27T10:18:17Z)
• Divide&Classify: Fine-Grained Classification for City-Wide Visual Place Recognition [21.039399444257807]
  ディバイド&クラス化(D&C)は、分類ソリューションの高速な推論と、都市全体のきめ細かい設定で検索方法と競合する精度を享受する。 我々は,D&Cを既存の検索パイプラインと組み合わせることで,計算処理を20倍以上高速化し,リコールを増大させることができることを示す。
  論文  参考訳（メタデータ） (2023-07-17T11:57:04Z)
• Actively Discovering New Slots for Task-oriented Conversation [19.815466126158785]
  本稿では,ループ内学習を実現するため,情報抽出方式で汎用的なスロットタスクを提案する。 我々は既存の言語ツールを活用し、対応するラベルが弱い監視信号として利用される値候補を抽出する。 いくつかの公開データセットに対して広範な実験を行い、競合するベースラインを多数比較して手法を実証する。
  論文  参考訳（メタデータ） (2023-05-06T13:33:33Z)
• Learning Classifiers of Prototypes and Reciprocal Points for Universal Domain Adaptation [79.62038105814658]
  Universal Domainは、ドメインシフトとカテゴリシフトという2つのシフトを処理して、データセット間で知識を転送することを目的としている。 主な課題は、既知のクラス知識の分布をソースからターゲットに適応させながら、未知のターゲットサンプルを正しく識別することである。 既存のほとんどの手法は、まずターゲットが適応した既知の知識を訓練し、次に未知のターゲットサンプルを識別するために単一のしきい値に依存することでこの問題に対処する。
  論文  参考訳（メタデータ） (2022-12-16T09:01:57Z)
• ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
  本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。 まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。 最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
  論文  参考訳（メタデータ） (2022-07-14T17:46:37Z)
• Exploring Visual Context for Weakly Supervised Person Search [155.46727990750227]
  人探索は、歩行者の検出と人物の再識別を共同で扱う、困難なタスクとして最近登場した。 既存のアプローチは、バウンディングボックスとIDアノテーションの両方が利用可能な完全に教師付き設定に従っている。 本稿では,ボックスアノテーションのみを用いた弱教師付き人物検索について実験的に考察する。
  論文  参考訳（メタデータ） (2021-06-19T14:47:13Z)
• Detection of Adversarial Supports in Few-shot Classifiers Using Feature Preserving Autoencoders and Self-Similarity [89.26308254637702]
  敵対的なサポートセットを強調するための検出戦略を提案する。 我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。 提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
  論文  参考訳（メタデータ） (2020-12-09T14:13:41Z)
• Few-Shot Open-Set Recognition using Meta-Learning [72.15940446408824]
  オープンセット認識の問題点を考察する。 新しいoPen sEt mEta LEaRning (PEELER)アルゴリズムが導入された。
  論文  参考訳（メタデータ） (2020-05-27T23:49:26Z)

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。