論文の概要: AirRoom: Objects Matter in Room Reidentification

• arxiv url: http://arxiv.org/abs/2503.01130v2
• Date: Thu, 20 Mar 2025 01:13:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 19:00:38.474880
• Title: AirRoom: Objects Matter in Room Reidentification
• Title（参考訳）: AirRoom: 部屋の再識別におけるオブジェクトの重要性
• Authors: Runmao Yao, Yi Du, Zhuoqun Chen, Haoze Zheng, Chen Wang,
• Abstract要約: AirRoomは、多レベルオブジェクト指向情報を統合するオブジェクト認識パイプラインである。 AirRoomは、ほぼすべての評価指標で最先端(SOTA)モデルを上回っている。
• 参考スコア（独自算出の注目度）: 4.386378218714507
• License:
• Abstract: Room reidentification (ReID) is a challenging yet essential task with numerous applications in fields such as augmented reality (AR) and homecare robotics. Existing visual place recognition (VPR) methods, which typically rely on global descriptors or aggregate local features, often struggle in cluttered indoor environments densely populated with man-made objects. These methods tend to overlook the crucial role of object-oriented information. To address this, we propose AirRoom, an object-aware pipeline that integrates multi-level object-oriented information-from global context to object patches, object segmentation, and keypoints-utilizing a coarse-to-fine retrieval approach. Extensive experiments on four newly constructed datasets-MPReID, HMReID, GibsonReID, and ReplicaReID-demonstrate that AirRoom outperforms state-of-the-art (SOTA) models across nearly all evaluation metrics, with improvements ranging from 6% to 80%. Moreover, AirRoom exhibits significant flexibility, allowing various modules within the pipeline to be substituted with different alternatives without compromising overall performance. It also shows robust and consistent performance under diverse viewpoint variations.
• Abstract（参考訳）: 室内再識別(ReID)は、拡張現実(AR)やホームケアロボティクスといった分野における多くの応用において、困難だが不可欠な課題である。 既存の視覚的場所認識法(VPR)は、通常はグローバルな記述子や局所的な特徴を集約するものであり、人造物が密集した屋内環境において苦戦することが多い。 これらの手法は、オブジェクト指向情報の重要な役割を見逃す傾向がある。 そこで本研究では,グローバルコンテキストからオブジェクトパッチ,オブジェクトセグメンテーション,キーポイントに至るまで,多段階のオブジェクト指向情報を統合するオブジェクト認識パイプラインであるAirRoomを提案する。 新たに構築された4つのデータセット(MPReID、HMReID、GibsonReID、ReplicaReID-demonstrate)に対する大規模な実験では、AirRoomは、ほぼすべての評価指標で最先端(SOTA)モデルを上回っ、6%から80%に改善されている。 さらに、AirRoomは大きな柔軟性を示し、パイプライン内のさまざまなモジュールを、全体的なパフォーマンスを損なうことなく、さまざまな代替品に置き換えることができる。 また、様々な視点のバリエーションの下で、堅牢で一貫したパフォーマンスを示す。

関連論文リスト

• Oriented Tiny Object Detection: A Dataset, Benchmark, and Dynamic Unbiased Learning [51.170479006249195]
  本研究では,新しいデータセット,ベンチマーク,動的粗大な学習手法を提案する。 提案するデータセットであるAI-TOD-Rは、すべてのオブジェクト指向オブジェクト検出データセットの中で最小のオブジェクトサイズを特徴としている。 完全教師付きおよびラベル効率の両アプローチを含む,幅広い検出パラダイムにまたがるベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-12-16T09:14:32Z)
• Towards Global Localization using Multi-Modal Object-Instance Re-Identification [23.764646800085977]
  マルチモーダルRGBと深度情報を統合した新しい再同定トランスフォーマアーキテクチャを提案する。 照明条件が異なったり散らかったりしたシーンにおけるReIDの改善を実演する。 また、正確なカメラのローカライゼーションを可能にするReIDベースのローカライゼーションフレームワークを開発し、異なる視点で識別を行う。
  論文  参考訳（メタデータ） (2024-09-18T14:15:10Z)
• Learning Spatial-Semantic Features for Robust Video Object Segmentation [108.045326229865]
  空間意味的特徴と識別的オブジェクトクエリを備えたロバストなビデオオブジェクトセグメンテーションフレームワークを提案する。 提案手法は,複数のデータセットに対して新しい最先端性能を設定できることを示す。
  論文  参考訳（メタデータ） (2024-07-10T15:36:00Z)
• Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
  オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。 本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。 データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-24T19:32:39Z)
• DOZE: A Dataset for Open-Vocabulary Zero-Shot Object Navigation in Dynamic Environments [28.23284296418962]
  Zero-Shot Object Navigation (ZSON)は、エージェントが不慣れな環境で見えないオブジェクトを自律的に見つけ、アプローチすることを要求する。 ZSONアルゴリズムを開発するための既存のデータセットには、動的な障害、オブジェクトの多様性、シーンテキストが考慮されていない。 動的環境(DOZE)におけるオープンボキャブラリゼロショットオブジェクトナビゲーションのためのデータセットを提案する。 DOZEは18k以上のタスクを持つ10の高忠実な3Dシーンで構成されており、複雑な動的現実世界のシナリオを模倣することを目的としている。
  論文  参考訳（メタデータ） (2024-02-29T10:03:57Z)
• General Object Foundation Model for Images and Videos at Scale [99.2806103051613]
  本稿では,画像やビデオ中の物体の位置と識別のためのオブジェクトレベルの基礎モデルであるGLEEを提案する。 GLEEは、オープンワールドシナリオにおける任意のオブジェクトの検出、セグメンテーション、トラッキング、グラウンド、識別を達成する。 画像エンコーダ,テキストエンコーダ,視覚プロンプトを用いて複数モーダル入力を処理し,様々なオブジェクト中心の下流タスクを同時に解決する。
  論文  参考訳（メタデータ） (2023-12-14T17:26:00Z)
• AnyLoc: Towards Universal Visual Place Recognition [12.892386791383025]
  視覚的位置認識(VPR)は、ロボットのローカライゼーションに不可欠である。 ほとんどの性能の高いVPRアプローチは環境に特化しており、タスクに特化している。 私たちは、VPRの普遍的なソリューションを開発します -- 幅広い構造化された、非構造化された環境にわたって機能するテクニックです。
  論文  参考訳（メタデータ） (2023-08-01T17:45:13Z)
• AirLoc: Object-based Indoor Relocalization [8.88390498722337]
  そこで本研究では,AirLocと呼ばれるシンプルなオブジェクトベース屋内再配置手法を提案する。 オブジェクト再識別とオブジェクト関係の記憶という課題を克服するために,オブジェクトの外観の埋め込みとオブジェクト間の幾何学的関係を抽出する。 その結果、ロバストで正確でポータブルな屋内再局在システムとなり、室内レベルの再局在における最先端の手法を9.5%、精度7%で上回る結果となった。
  論文  参考訳（メタデータ） (2023-04-03T13:16:47Z)
• Learning Open-World Object Proposals without Learning to Classify [110.30191531975804]
  本研究では,各領域の位置と形状がどの接地トラストオブジェクトとどのように重なり合うかによって,各領域の目的性を純粋に推定する,分類不要なオブジェクトローカライゼーションネットワークを提案する。 この単純な戦略は一般化可能な対象性を学び、クロスカテゴリの一般化に関する既存の提案より優れている。
  論文  参考訳（メタデータ） (2021-08-15T14:36:02Z)
• Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
  物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。 最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。 それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
  論文  参考訳（メタデータ） (2021-04-16T21:35:08Z)
• Visual Object Recognition in Indoor Environments Using Topologically Persistent Features [2.2344764434954256]
  見えない屋内環境における物体認識は、移動ロボットの視覚的認識にとって難しい問題である。 本稿では,この課題に対処するために,オブジェクトの形状情報に依存するトポロジカルに永続的な特徴を用いることを提案する。 提案手法を実世界のロボットに実装し,その有用性を実証する。
  論文  参考訳（メタデータ） (2020-10-07T06:04:17Z)

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。