Fugu-MT 論文翻訳(概要): Memory Management for Real-Time Appearance-Based Loop Closure Detection

論文の概要: Memory Management for Real-Time Appearance-Based Loop Closure Detection

arxiv url: http://arxiv.org/abs/2407.15890v1
Date: Mon, 22 Jul 2024 00:24:12 GMT
ステータス: 処理完了
システム内更新日: 2024-07-24 21:34:58.599328
Title: Memory Management for Real-Time Appearance-Based Loop Closure Detection
Title（参考訳）: 実時間出現型ループクロージャ検出のためのメモリ管理
Authors: Mathieu Labbé, François Michaud,
Abstract要約: 本稿では,大規模・長期SLAMのための新しいリアルタイムループ閉鎖検出手法を提案する。本手法は,各観測時間を一定時間内に保持するメモリ管理手法に基づく。
参考スコア（独自算出の注目度）: 1.1279808969568252
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Loop closure detection is the process involved when trying to find a match between the current and a previously visited locations in SLAM. Over time, the amount of time required to process new observations increases with the size of the internal map, which may influence real-time processing. In this paper, we present a novel real-time loop closure detection approach for large-scale and long-term SLAM. Our approach is based on a memory management method that keeps computation time for each new observation under a fixed limit. Results demonstrate the approach's adaptability and scalability using four standard data sets.
Abstract（参考訳）: ループクロージャ検出(Loop Closure Detection)は、SLAMの現在の場所と以前に訪れた場所の一致を見つけるためのプロセスである。時間とともに、新しい観測を処理するのに必要な時間量は、内部マップのサイズとともに増加し、これはリアルタイム処理に影響を与える可能性がある。本稿では,大規模・長期SLAMのための新しいリアルタイムループ閉鎖検出手法を提案する。提案手法は,新しい観測の計算時間を一定時間内に保持するメモリ管理手法に基づいている。結果は、標準的な4つのデータセットを使用して、アプローチの適応性とスケーラビリティを実証する。

関連論文リスト

Online Temporal Action Localization with Memory-Augmented Transformer [61.39427407758131]
オンライン時間的行動ローカライゼーションのためのメモリ拡張変換器(MATR)を提案する。 MATRは過去のセグメントの特徴を選択的に保存し、推論に長期的コンテキストを活用する。また,現在進行中の動作の終了時刻を予測するために入力セグメントを観測し,メモリキューにアクセスして動作開始時刻を推定する新たな動作ローカライズ手法を提案する。
論文参考訳（メタデータ） (2024-08-06T04:55:33Z)
Appearance-Based Loop Closure Detection for Online Large-Scale and Long-Term Operation [1.1279808969568252]
外見に基づくローカライゼーションとマッピングでは、ループクロージャ検出(ループクロージャ検出)は、現在の観測が以前に訪れた場所や新しい場所から来ている場合、その検出に使用されるプロセスである。本稿では,大規模・長期運用におけるオンラインループ閉鎖検出手法を提案する。
論文参考訳（メタデータ） (2024-07-22T00:13:00Z)
GV-Bench: Benchmarking Local Feature Matching for Geometric Verification of Long-term Loop Closure Detection [32.54601978758081]
ループクロージャは軌道推定における正しいドリフトを補正し、グローバルに一貫したマップを構築する。偽ループ閉鎖は致命的であり、堅牢性を保証するための追加のステップとして検証が必要である。本稿では,長期条件下でのループ閉鎖検出の幾何的検証を対象とする統一ベンチマークを提案する。
論文参考訳（メタデータ） (2024-07-16T14:05:19Z)
Post-Processing Temporal Action Detection [134.26292288193298]
時間的行動検出(TAD)法は、通常、入力された可変長のビデオを固定長のスニペット表現シーケンスに変換する際に、前処理のステップを踏む。この前処理ステップは、ビデオを時間的にダウンサンプリングし、推論の解像度を低減し、元の時間分解における検出性能を阻害する。モデルの再設計や再学習を伴わない新しいモデル非依存のポストプロセッシング手法を提案する。
論文参考訳（メタデータ） (2022-11-27T19:50:37Z)
Improving information retention in large scale online continual learning [99.73847522194549]
オンライン連続学習は、既存の知識を維持しながら、新しいデータに効率的に適応することを目的としている。最近の研究は、リプレイバッファが無制限であっても、大規模なOCLでは情報保持が問題であり続けていることを示唆している。非定常目標に対する最適化を改善するため,移動平均の手法群を提案する。
論文参考訳（メタデータ） (2022-10-12T16:59:43Z)
Loop closure detection using local 3D deep descriptors [22.93552565583209]
局所3次元深部記述子(L3D)を用いた同時局所化・マッピングにおけるループ閉鎖検出手法を提案する。本稿では,互いにアレスト近傍の記述子に対応する点間の距離誤差を計算し,ループ検出のための新しい重なり測定手法を提案する。この手法により,ループを正確に検出し,重なりが小さければ6自由度ポーズを推定できる。
論文参考訳（メタデータ） (2021-10-31T09:18:38Z)
Temporal Memory Relation Network for Workflow Recognition from Surgical Video [53.20825496640025]
本研究では, 長期および多スケールの時間パターンを関連づける, エンドツーエンドの時間メモリ関係ネットワーク (TMNet) を提案する。我々はこのアプローチを2つのベンチマーク手術ビデオデータセットで広範囲に検証した。
論文参考訳（メタデータ） (2021-03-30T13:20:26Z)
Optimal Sequential Detection of Signals with Unknown Appearance and Disappearance Points in Time [64.26593350748401]
本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。 FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
論文参考訳（メタデータ） (2021-02-02T04:58:57Z)
Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文参考訳（メタデータ） (2020-08-21T15:03:21Z)
Real-time Detection of Clustered Events in Video-imaging data with Applications to Additive Manufacturing [9.018291036304941]
本稿では,映像データにおける異常検出のための統合時間分解と回帰手法を提案する。本手法は, 金属添加物製造プロセスにおいて, 局所過熱現象(ホットスポット)を検出し, 検出するために, 映像データの解析に応用した。
論文参考訳（メタデータ） (2020-04-23T05:32:13Z)

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。