論文の概要: LocoNeRF: A NeRF-based Approach for Local Structure from Motion for Precise Localization

• arxiv url: http://arxiv.org/abs/2310.05134v1
• Date: Sun, 8 Oct 2023 11:54:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 12:13:28.745512
• Title: LocoNeRF: A NeRF-based Approach for Local Structure from Motion for Precise Localization
• Title（参考訳）: LocoNeRF: 精密局所化のための運動からの局所構造に対するNeRFに基づくアプローチ
• Authors: Artem Nenashev, Mikhail Kurenkov, Andrei Potapov, Iana Zhura, Maksim Katerishich, and Dzmitry Tsetserukou
• Abstract要約: 本研究では,Structure from Motion (SfM) 技術を用いて,視覚的位置決めの精度を向上させる新しい手法を提案する。 我々は,高レイテンシに悩まされるグローバルSfMの限界と,高精度な再構成のために大規模な画像データベースを必要とするローカルSfMの課題を強調した。
• 参考スコア（独自算出の注目度）: 2.201107282249874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual localization is a critical task in mobile robotics, and researchers are continuously developing new approaches to enhance its efficiency. In this article, we propose a novel approach to improve the accuracy of visual localization using Structure from Motion (SfM) techniques. We highlight the limitations of global SfM, which suffers from high latency, and the challenges of local SfM, which requires large image databases for accurate reconstruction. To address these issues, we propose utilizing Neural Radiance Fields (NeRF), as opposed to image databases, to cut down on the space required for storage. We suggest that sampling reference images around the prior query position can lead to further improvements. We evaluate the accuracy of our proposed method against ground truth obtained using LIDAR and Advanced Lidar Odometry and Mapping in Real-time (A-LOAM), and compare its storage usage against local SfM with COLMAP in the conducted experiments. Our proposed method achieves an accuracy of 0.068 meters compared to the ground truth, which is slightly lower than the most advanced method COLMAP, which has an accuracy of 0.022 meters. However, the size of the database required for COLMAP is 400 megabytes, whereas the size of our NeRF model is only 160 megabytes. Finally, we perform an ablation study to assess the impact of using reference images from the NeRF reconstruction.
• Abstract（参考訳）: 視覚的ローカライゼーションはモバイルロボティクスにおいて重要な課題であり、研究者はその効率を高めるための新しいアプローチを継続的に開発している。 本稿では,Structure from Motion (SfM) 技術を用いた視覚的位置決めの精度向上のための新しい手法を提案する。 我々は,高レイテンシに悩まされるグローバルSfMの限界と,大規模な画像データベースを必要とするローカルSfMの課題を強調した。 これらの問題に対処するために,画像データベースとは対照的にNeural Radiance Fields (NeRF) を用いて,記憶に必要な空間を削減することを提案する。 先行する問合せ位置における参照画像のサンプリングにより,さらなる改善が期待できる。 LIDARとAdvanced Lidar Odometry and Mapping in Real-time (A-LOAM)を用いて得られた地中真実に対する提案手法の精度を評価し, 実測実験における局所SfMとCOLMAPとの比較を行った。 提案手法は地上の真理と比較して0.068mの精度を実現しており,精度は0.022mのCOLMAPよりもわずかに低い。 しかし、COLMAPに必要なデータベースのサイズは400メガバイトであり、NeRFモデルのサイズは160メガバイトに過ぎない。 最後に, nerf再構成の基準画像による影響を評価するため, アブレーション研究を行った。

関連論文リスト

• SLAIM: Robust Dense Neural SLAM for Online Tracking and Mapping [15.63276368052395]
  ニューラルラジアンスフィールドSLAM(NeRF-SLAM)に適した,新しい粗い粒度追跡モデルを提案する。 既存の NeRF-SLAM システムは、従来の SLAM アルゴリズムに比べて、追跡性能が劣っている。 局所バンドル調整とグローバルバンドル調整の両方を実装し、ロバストな(粗大な)(KL正規化器)と正確な(KL正規化器)SLAMソリューションを生成する。
  論文  参考訳（メタデータ） (2024-04-17T14:23:28Z)
• Radio-astronomical Image Reconstruction with Conditional Denoising Diffusion Model [5.673449249014537]
  汚れた電波画像からスカイモデルを再構成することは、高赤方偏移で銀河の進化を研究するために不可欠である。 CLEANやPyBDSFのような現在の技術は、しばしばかすかなソースを検出するのに失敗する。 本研究では、ニューラルネットワークを用いて、汚れた画像から直接スカイモデルを再構築することを提案する。
  論文  参考訳（メタデータ） (2024-02-15T18:57:24Z)
• Learning Super-Resolution Ultrasound Localization Microscopy from Radio-Frequency Data [8.312810360920107]
  DASビームフォーミングとその制限を回避しつつ、RFデータを超高分解能ネットワークに供給することを提案する。 RFトレーニングネットワークの結果から,DASビームフォーミングを除くと,ULMの分解能性能を最適化できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-07T15:47:38Z)
• Fast Monocular Scene Reconstruction with Global-Sparse Local-Dense Grids [84.90863397388776]
  本稿では,スパルス・ボクセル・ブロック・グリッドにおける署名付き距離関数(SDF)を直接使用して,距離のない高速かつ正確なシーン再構成を実現することを提案する。 我々の世界規模で疎密で局所的なデータ構造は、表面の空間的空間性を利用して、キャッシュフレンドリーなクエリを可能にし、マルチモーダルデータへの直接拡張を可能にします。 実験により、我々のアプローチはトレーニングでは10倍、レンダリングでは100倍高速であり、最先端のニューラル暗黙法に匹敵する精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2023-05-22T16:50:19Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)
• Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
  実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。 監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。 ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
  論文  参考訳（メタデータ） (2020-12-18T08:25:39Z)
• A New Mask R-CNN Based Method for Improved Landslide Detection [54.7905160534631]
  本稿では,Mask R-CNN機能を利用した地すべり検出手法を提案する。 地すべり及び非地すべり画像を含む160個の要素からなるデータセットを作成する。 提案アルゴリズムは丘陵地帯の土地利用計画立案者や政策立案者にとって潜在的に有用である。
  論文  参考訳（メタデータ） (2020-10-04T07:46:37Z)
• Learning to Reconstruct Confocal Microscopy Stacks from Single Light Field Images [19.24428734909019]
  我々は,U-Netの設計に触発された新しいニューラルネットワークアーキテクチャであるLFMNetを紹介する。 解像度は112x112x57.6$mu m3$を50ミリ秒で再現できる。 スキャン時間と記憶空間の大幅な減少のため,我々の装置と方法はリアルタイム3D顕微鏡に直接適用できる。
  論文  参考訳（メタデータ） (2020-03-24T17:46:03Z)
• DeepEMD: Differentiable Earth Mover's Distance for Few-Shot Learning [122.51237307910878]
  我々は,画像領域間の最適なマッチングの新しい視点から,少数ショット画像分類法を開発した。 我々は、高密度画像表現間の構造距離を計算するために、Earth Mover's Distance (EMD) を用いている。 定式化において重要な要素の重みを生成するために,我々は相互参照機構を設計する。
  論文  参考訳（メタデータ） (2020-03-15T08:13:16Z)

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。