論文の概要: PartSLAM: Unsupervised Part-based Scene Modeling for Fast Succinct Map
Matching
- arxiv url: http://arxiv.org/abs/2306.10782v1
- Date: Mon, 19 Jun 2023 08:54:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 18:39:03.210036
- Title: PartSLAM: Unsupervised Part-based Scene Modeling for Fast Succinct Map
Matching
- Title（参考訳）: PartSLAM: 高速化マップマッチングのための教師なし部分ベースシーンモデリング
- Authors: Shogo Hanada, Kanji Tanaka
- Abstract要約: 本稿では,地図マッチングサブタスクのみからなる高速簡潔なマップマッチングを目的とした,最初の手法を提案する。
公開可能なラディッシュデータセットを用いた地図マッチング実験の結果,提案手法が地図マッチングと大幅な高速化を実現していることを示す。
本稿では,標準的な2次元点集合マップに焦点をあてるが,我々のアプローチは広い範囲の地図形式に適用可能であると信じている。
- 参考スコア（独自算出の注目度）: 3.42658286826597
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we explore the challenging 1-to-N map matching problem, which
exploits a compact description of map data, to improve the scalability of map
matching techniques used by various robot vision tasks. We propose a first
method explicitly aimed at fast succinct map matching, which consists only of
map-matching subtasks. These tasks include offline map matching attempts to
find a compact part-based scene model that effectively explains each map using
fewer larger parts. The tasks also include an online map matching attempt to
efficiently find correspondence between the part-based maps. Our part-based
scene modeling approach is unsupervised and uses common pattern discovery (CPD)
between the input and known reference maps. This enables a robot to learn a
compact map model without human intervention. We also present a practical
implementation that uses the state-of-the-art CPD technique of randomized
visual phrases (RVP) with a compact bounding box (BB) based part descriptor,
which consists of keypoint and descriptor BBs. The results of our challenging
map-matching experiments, which use a publicly available radish dataset, show
that the proposed approach achieves successful map matching with significant
speedup and a compact description of map data that is tens of times more
compact. Although this paper focuses on the standard 2D point-set map and the
BB-based part representation, we believe our approach is sufficiently general
to be applicable to a broad range of map formats, such as the 3D point cloud
map, as well as to general bounding volumes and other compact part
representations.
- Abstract（参考訳）: 本稿では,地図データのコンパクトな記述を生かした1-to-Nマップマッチング問題について検討し,様々なロボットビジョンタスクで使用されるマップマッチング手法のスケーラビリティを向上する。
本稿では,マップマッチングサブタスクのみからなる,高速な簡潔なマップマッチングを目的とした最初の手法を提案する。
これらのタスクには、小さな部分を使って各マップを効果的に説明できるコンパクトな部分ベースのシーンモデルを見つけるためのオフラインマップマッチングの試みが含まれる。
タスクには、部分ベースのマップ間の対応を効率的に見つけるオンラインマップマッチングの試みも含まれている。
我々のパートベースシーンモデリング手法は教師なしであり、入力と既知の参照マップ間の共通パターン探索(CPD)を用いる。
これによりロボットは人間の介入なしにコンパクトな地図モデルを学ぶことができる。
また、キーポイントとディスクリプタBBからなるコンパクトなバウンディングボックス(BB)ベースの部分記述子を用いたランダム化視覚句(RVP)の最先端CPD技術を用いた実践的実装を提案する。
公開公開のradishデータセットを用いた地図マッチング実験の結果,提案手法は,大幅な高速化と数倍のコンパクトな地図データのコンパクトな記述により,マップマッチングを成功させることができた。
本稿では,標準の2次元点集合写像とbbに基づく部分表現に焦点をあてるが,我々のアプローチは3次元点クラウドマップのような広い範囲の地図形式に適用できるほど一般的であり,また一般のバウンディングボリュームや他のコンパクトな部分表現にも適用できると考えている。
関連論文リスト
- Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。
セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
論文 参考訳（メタデータ） (2024-11-25T10:14:10Z) - KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。
オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
論文 参考訳（メタデータ） (2024-03-15T08:44:56Z) - CartoMark: a benchmark dataset for map pattern recognition and 1 map
content retrieval with machine intelligence [9.652629004863364]
我々は,地図テキストアノテーション認識,地図シーン分類,地図超解像再構成,地図スタイル転送のための大規模ベンチマークデータセットを開発した。
これらの良好なラベル付きデータセットは、マップ特徴の検出、マップパターン認識、マップコンテンツ検索を行う最先端のマシンインテリジェンス技術を促進する。
論文 参考訳（メタデータ） (2023-12-14T01:54:38Z) - Revisiting Map Relations for Unsupervised Non-Rigid Shape Matching [18.957179015912402]
非剛性3次元形状マッチングのための教師なし学習手法を提案する。
提案手法は,従来の最先端手法よりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2023-10-17T17:28:03Z) - Neural Semantic Surface Maps [52.61017226479506]
本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。
提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
論文 参考訳（メタデータ） (2023-09-09T16:21:56Z) - MapTRv2: An End-to-End Framework for Online Vectorized HD Map Construction [40.07726377230152]
High-definition (HD) マップは、運転シーンの豊富な正確な静的環境情報を提供する。
オンラインベクトル化HDマップ構築のためのエンドツーエンドフレームワークである textbfMap textbfTRansformer を提案する。
論文 参考訳（メタデータ） (2023-08-10T17:56:53Z) - Unsupervised Learning of Robust Spectral Shape Matching [12.740151710302397]
頑健な3次元形状マッチングのための新しい学習手法を提案する。
提案手法は, 深い関数型マップ上に構築され, 完全に教師なしの方法で訓練することができる。
論文 参考訳（メタデータ） (2023-04-27T02:12:47Z) - Sparse Instance Activation for Real-Time Instance Segmentation [72.23597664935684]
本稿では,リアルタイムインスタンスセグメンテーションのための概念的・効率的・完全畳み込み型フレームワークを提案する。
SparseInstは非常に高速な推論速度を持ち、COCOベンチマークで40 FPSと37.9 APを達成した。
論文 参考訳（メタデータ） (2022-03-24T03:15:39Z) - Transformer-based Map Matching Model with Limited Ground-Truth Data
using Transfer-Learning Approach [6.510061176722248]
多くのトラジェクトリベースのアプリケーションでは、生のGPSトラジェクトリをデジタルマップの道路網にマッピングする必要がある。
本稿では,データの観点から地図マッチングの課題を考察し,深層学習に基づく地図マッチングモデルを提案する。
合成軌道データを生成し,トランスフォーマーモデルを事前学習し,有限個の接地トラスデータでモデルを微調整する。
論文 参考訳（メタデータ） (2021-08-01T11:51:11Z) - Learning Lane Graph Representations for Motion Forecasting [92.88572392790623]
生の地図データからレーングラフを構築し,地図構造を保存する。
我々は,アクター・トゥ・レーン,レーン・トゥ・レーン,レーン・トゥ・アクター,アクター・トゥ・アクターの4種類のインタラクションからなる融合ネットワークを利用する。
提案手法は,大規模Argoverse運動予測ベンチマークにおいて,最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-27T17:59:49Z) - Rethinking Localization Map: Towards Accurate Object Perception with
Self-Enhancement Maps [78.2581910688094]
本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。
特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
論文 参考訳（メタデータ） (2020-06-09T12:35:55Z)
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。