論文の概要: Deep Learning for Visual Localization and Mapping: A Survey
- arxiv url: http://arxiv.org/abs/2308.14039v1
- Date: Sun, 27 Aug 2023 08:25:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 17:27:43.566128
- Title: Deep Learning for Visual Localization and Mapping: A Survey
- Title（参考訳）: ビジュアルローカライゼーションとマッピングのためのディープラーニング:調査
- Authors: Changhao Chen, Bing Wang, Chris Xiaoxuan Lu, Niki Trigoni, Andrew
Markham
- Abstract要約: 本稿では,総合的な調査を行い,深層学習を用いた局所化とマッピング手法の分類法を提案する。
この調査は、深層学習がローカライズとマッピングに有望であるかどうか、この問題を解決するために深層学習をどのように適用すべきかという2つの基本的な問題について議論することを目的としている。
- 参考スコア（独自算出の注目度）: 45.20992113099714
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep learning based localization and mapping approaches have recently emerged
as a new research direction and receive significant attentions from both
industry and academia. Instead of creating hand-designed algorithms based on
physical models or geometric theories, deep learning solutions provide an
alternative to solve the problem in a data-driven way. Benefiting from the
ever-increasing volumes of data and computational power on devices, these
learning methods are fast evolving into a new area that shows potentials to
track self-motion and estimate environmental model accurately and robustly for
mobile agents. In this work, we provide a comprehensive survey, and propose a
taxonomy for the localization and mapping methods using deep learning. This
survey aims to discuss two basic questions: whether deep learning is promising
to localization and mapping; how deep learning should be applied to solve this
problem. To this end, a series of localization and mapping topics are
investigated, from the learning based visual odometry, global relocalization,
to mapping, and simultaneous localization and mapping (SLAM). It is our hope
that this survey organically weaves together the recent works in this vein from
robotics, computer vision and machine learning communities, and serves as a
guideline for future researchers to apply deep learning to tackle the problem
of visual localization and mapping.
- Abstract（参考訳）: 深層学習に基づくローカライゼーションとマッピングアプローチは、最近新しい研究の方向性として現れ、産業とアカデミックの両方から大きな注目を集めている。
物理モデルや幾何学理論に基づいた手設計のアルゴリズムを作成する代わりに、ディープラーニングソリューションは、データ駆動方式で問題を解決する代替手段を提供する。
デバイス上のデータ量や計算能力の増大によって、これらの学習方法は急速に進化し、モバイルエージェントの自己運動を追跡し、環境モデルを正確にかつロバストに見積もる可能性を示している。
本研究では,総合的な調査を行い,深層学習を用いた局所化とマッピング手法の分類法を提案する。
この調査は、ディープラーニングがローカライゼーションとマッピングに有望かどうか、この問題を解決するためにディープラーニングをどのように適用すべきか、という2つの基本的な問題について議論することを目的としている。
この目的のために,学習に基づくビジュアル・オドメトリー,グローバル・リローカライゼーション,マッピング,同時ローカライゼーション・マッピング(SLAM)など,一連のローカライゼーションとマッピングのトピックについて検討した。
この調査がロボティクス、コンピュータビジョン、機械学習のコミュニティによる最近の研究を有機的に組み合わせ、将来の研究者が視覚のローカライゼーションとマッピングの問題にディープラーニングを適用するためのガイドラインとなることを願っています。
関連論文リスト
- Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Cross-view geo-localization: a survey [1.3686993145787065]
クロスビューなジオローカライゼーションは、コンピュータビジョンの領域で注目を浴びている。
本稿では,この領域に不可欠な最先端の方法論,技法,および関連する課題について,徹底的な調査を行う。
論文 参考訳（メタデータ） (2024-06-14T05:14:54Z) - Deep Learning for Slum Mapping in Remote Sensing Images: A Meta-analysis and Review [2.1383489372142503]
何百万人もの人々が、世界中の多くの主要都市で生活状態の悪いスラムや非公式の集落に住んでいる。
リモートセンシングによるスラムのマッピングが顕著な研究領域として浮上している。
ディープ・ラーニング(Deep Learning)は、衛星画像の自動解析によってスラムに関連する複雑な空間パターンを識別できるようにするため、この分野に新たな次元を追加した。
論文 参考訳（メタデータ） (2024-06-12T09:31:52Z) - Domain Generalization through Meta-Learning: A Survey [6.524870790082051]
ディープニューラルネットワーク(DNN)は人工知能に革命をもたらしたが、アウト・オブ・ディストリビューション(OOD)データに直面すると、しばしばパフォーマンスが低下する。
本調査はメタラーニングの領域を掘り下げ,ドメインの一般化への貢献に焦点をあてたものである。
論文 参考訳（メタデータ） (2024-04-03T14:55:17Z) - Explaining Deep Models through Forgettable Learning Dynamics [12.653673008542155]
学習中の学習行動の可視化には,その後の学習の時期において,サンプルがどれだけ多く学習され,忘れられるかを追跡する。
この現象に触発されて,この情報を積極的に利用してモデル内のデータ表現を変化させる新たなセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2023-01-10T21:59:20Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳（メタデータ） (2021-05-26T14:37:07Z) - Weakly Supervised Object Localization and Detection: A Survey [145.5041117184952]
オブジェクトのローカライゼーションと検出は、新しい世代のコンピュータビジョンシステムを開発する上で重要な役割を果たす。
本稿では,(1)古典的モデル,(2)既成の深層ネットワークの特徴表現を用いたアプローチ,(3)ディープラーニングのみに基づくアプローチ,(4)この分野で広く利用されている公開データセットと標準評価指標についてレビューする。
この分野における重要な課題、この分野の開発履歴、各カテゴリーの手法の利点/欠点、異なるカテゴリーの方法間の関係、弱い監督対象のローカリゼーションおよび検出方法の適用、およびこの研究分野の開発をさらに促進するための潜在的な将来の方向性について議論します。
論文 参考訳（メタデータ） (2021-04-16T06:44:50Z) - A Survey of Embedding Space Alignment Methods for Language and Knowledge
Graphs [77.34726150561087]
単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。
本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
論文 参考訳（メタデータ） (2020-10-26T16:08:13Z) - A Survey on Deep Learning for Localization and Mapping: Towards the Age
of Spatial Machine Intelligence [48.67755344239951]
包括的調査を行い、深層学習を用いた局所化とマッピングのための新しい分類法を提案する。
オードメトリ推定、マッピング、グローバルローカライゼーション、同時ローカライゼーション、マッピングなど、幅広いトピックがカバーされている。
この研究がロボティクス、コンピュータビジョン、機械学習コミュニティの新たな成果を結び付けることを願っている。
論文 参考訳（メタデータ） (2020-06-22T19:01:21Z)
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。