論文の概要: Scalable and Efficient Hierarchical Visual Topological Mapping
- arxiv url: http://arxiv.org/abs/2404.05023v1
- Date: Sun, 7 Apr 2024 17:30:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-09 16:12:42.942254
- Title: Scalable and Efficient Hierarchical Visual Topological Mapping
- Title（参考訳）: スケーラブルで効率的な階層型視覚トポロジマッピング
- Authors: Saravanabalagi Ramachandran, Jonathan Horgan, Ganesh Sistu, John McDonald,
- Abstract要約: 本研究では,階層的トポロジカルマッピング技術を用いて,最先端の手作り・学習用グローバル記述子の評価を行った。
複数の実行を経験的に分析した結果,連続性と特異性は最適大域的記述子にとって重要な特徴であることがわかった。
- 参考スコア（独自算出の注目度）: 3.114470292106496
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hierarchical topological representations can significantly reduce search times within mapping and localization algorithms. Although recent research has shown the potential for such approaches, limited consideration has been given to the suitability and comparative performance of different global feature representations within this context. In this work, we evaluate state-of-the-art hand-crafted and learned global descriptors using a hierarchical topological mapping technique on benchmark datasets and present results of a comprehensive evaluation of the impact of the global descriptor used. Although learned descriptors have been incorporated into place recognition methods to improve retrieval accuracy and enhance overall recall, the problem of scalability and efficiency when applied to longer trajectories has not been adequately addressed in a majority of research studies. Based on our empirical analysis of multiple runs, we identify that continuity and distinctiveness are crucial characteristics for an optimal global descriptor that enable efficient and scalable hierarchical mapping, and present a methodology for quantifying and contrasting these characteristics across different global descriptors. Our study demonstrates that the use of global descriptors based on an unsupervised learned Variational Autoencoder (VAE) excels in these characteristics and achieves significantly lower runtime. It runs on a consumer grade desktop, up to 2.3x faster than the second best global descriptor, NetVLAD, and up to 9.5x faster than the hand-crafted descriptor, PHOG, on the longest track evaluated (St Lucia, 17.6 km), without sacrificing overall recall performance.
- Abstract（参考訳）: 階層的トポロジカル表現は、マッピングとローカライゼーションアルゴリズムにおける探索時間を著しく短縮することができる。
近年の研究では、このようなアプローチの可能性を示しているが、この文脈における異なるグローバルな特徴表現の適合性と比較性能について限定的な考察がなされている。
本研究では, ベンチマークデータセット上での階層的トポロジマッピング手法を用いて, 最先端の手作り, 学習されたグローバルディスクリプタの評価を行い, 使用するグローバルディスクリプタの影響を総合的に評価した。
学習ディスクリプタは, 精度の向上と全体のリコール向上のために, 位置認識手法に組み込まれてきたが, 長い軌道に適用した場合のスケーラビリティと効率の問題は, 研究の大部分が適切に解決されていない。
複数の実行を経験的に分析した結果,効率的かつスケーラブルな階層型マッピングを実現する最適なグローバルディスクリプタにおいて,連続性と特異性が重要な特性であることを確認し,これらの特徴を異なるグローバルディスクリプタ間で定量化および対比するための方法論を提案する。
本研究では,教師なし学習型変分オートエンコーダ(VAE)に基づくグローバルディスクリプタの使用が,これらの特性に優れており,実行時間が大幅に低くなることを示す。
コンシューマグレードのデスクトップ上で動作し、第2位のグローバルディスクリプタであるNetVLADより最大2.3倍高速で、手作りディスクリプタであるPHOGよりも9.5倍高速で、全体のリコール性能を犠牲にすることなく、最長 (St Lucia, 17.6 km) で評価されている。
関連論文リスト
- A Faster, Lighter and Stronger Deep Learning-Based Approach for Place
Recognition [7.9400442516053475]
より速く、より軽く、より強力なアプローチを提案し、より少ないパラメータでモデルを生成でき、推論段階での時間を短縮できる。
本稿では,RepVG-liteをアーキテクチャのバックボーンネットワークとして設計する。
提案システムは,Patch-NetVLADの14倍,理論的FLOPの6.8倍,特徴抽出と特徴マッチングの21倍,33倍の高速化を実現している。
論文 参考訳（メタデータ） (2022-11-27T15:46:53Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - Global Pointer: Novel Efficient Span-based Approach for Named Entity
Recognition [7.226094340165499]
名前付きエンティティ認識(NER)タスクは、事前に定義されたセマンティックタイプに属するテキストからエンティティを識別することを目的としている。
フラットエンティティのための最先端のソリューション NER は、基盤となるテキストの詳細なセマンティック情報を取得するのが一般的である。
提案するNERフレームワークであるGlobal Pointer(GP)は,乗法的アテンション機構によって相対位置を利用する。
論文 参考訳（メタデータ） (2022-08-05T09:19:46Z) - Benchmarking Node Outlier Detection on Graphs [90.29966986023403]
グラフの外れ値検出は、多くのアプリケーションにおいて、新しいが重要な機械学習タスクである。
UNODと呼ばれるグラフに対して、最初の包括的教師なしノード外乱検出ベンチマークを示す。
論文 参考訳（メタデータ） (2022-06-21T01:46:38Z) - Exploiting Explainable Metrics for Augmented SGD [43.00691899858408]
最適化下での学習が実際にどのように機能するか、また、特定の戦略が他の方法よりも優れている理由について、未解決の疑問がいくつかある。
ネットワーク層内の冗長な情報を計測する新しい説明可能性指標を提案する。
次に、これらの指標を利用して、各レイヤの学習率を適応的に調整し、一般化性能を向上させることにより、グラディエント・ディフレッシュ(SGD)を増大させる。
論文 参考訳（メタデータ） (2022-03-31T00:16:44Z) - Tightly Coupled Learning Strategy for Weakly Supervised Hierarchical
Place Recognition [0.09558392439655011]
本稿では,三重項モデルを学習するための密結合学習(TCL)戦略を提案する。
グローバルデクリプタとローカルデクリプタを組み合わせて、共同最適化を行う。
我々の軽量統一モデルは、いくつかの最先端手法よりも優れている。
論文 参考訳（メタデータ） (2022-02-14T03:20:39Z) - Spatio-temporal Relation Modeling for Few-shot Action Recognition [100.3999454780478]
本稿では,高次時間表現を同時に学習しながら,クラス固有の特徴の識別性を向上する数ショットアクション認識フレームワークSTRMを提案する。
本手法は,本研究でもっとも優れた手法に比べて,分類精度が3.5%向上した。
論文 参考訳（メタデータ） (2021-12-09T18:59:14Z) - LoGG3D-Net: Locally Guided Global Descriptor Learning for 3D Place
Recognition [31.105598103211825]
追加のトレーニング信号(局所的整合性損失)が、リビジョン間で一貫性のある局所的特徴の学習にネットワークを導くことができることを示す。
私たちは、LoGG3D-Netと呼ばれるエンドツーエンドのトレーニング可能なアーキテクチャでアプローチを定式化します。
論文 参考訳（メタデータ） (2021-09-17T03:32:43Z) - Watching You: Global-guided Reciprocal Learning for Video-based Person
Re-identification [82.6971648465279]
映像に基づくRe-IDのための新しいグローバルガイド相互学習フレームワークを提案する。
我々のアプローチは他の最先端のアプローチよりも優れたパフォーマンスを達成できます。
論文 参考訳（メタデータ） (2021-03-07T12:27:42Z) - Cross-Domain Facial Expression Recognition: A Unified Evaluation
Benchmark and Adversarial Graph Learning [85.6386289476598]
我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。
我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-08-03T15:00:31Z) - Global Context-Aware Progressive Aggregation Network for Salient Object
Detection [117.943116761278]
我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。
提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-03-02T04:26:10Z)
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。