論文の概要: Place Recognition: A Comprehensive Review, Current Challenges and Future Directions
- arxiv url: http://arxiv.org/abs/2505.14068v1
- Date: Tue, 20 May 2025 08:16:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 14:49:52.880791
- Title: Place Recognition: A Comprehensive Review, Current Challenges and Future Directions
- Title（参考訳）: 場所認識: 総合的レビュー, 課題, 今後の方向性
- Authors: Zhenyu Li, Tianyi Shang, Pengjie Xu, Zhaojun Deng,
- Abstract要約: 位置認識の最近の進歩を概観し,3つの方法論的パラダイムを強調した。
CNNベースのアプローチ、トランスフォーマーベースのフレームワーク、およびクロスモーダル戦略について議論する。
我々は現在の研究課題を特定し、ドメイン適応、リアルタイムパフォーマンス、生涯学習を含む今後の方向性を概説し、この領域の今後の進歩を刺激する。
- 参考スコア（独自算出の注目度）: 2.4775350526606355
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Place recognition is a cornerstone of vehicle navigation and mapping, which is pivotal in enabling systems to determine whether a location has been previously visited. This capability is critical for tasks such as loop closure in Simultaneous Localization and Mapping (SLAM) and long-term navigation under varying environmental conditions. In this survey, we comprehensively review recent advancements in place recognition, emphasizing three representative methodological paradigms: Convolutional Neural Network (CNN)-based approaches, Transformer-based frameworks, and cross-modal strategies. We begin by elucidating the significance of place recognition within the broader context of autonomous systems. Subsequently, we trace the evolution of CNN-based methods, highlighting their contributions to robust visual descriptor learning and scalability in large-scale environments. We then examine the emerging class of Transformer-based models, which leverage self-attention mechanisms to capture global dependencies and offer improved generalization across diverse scenes. Furthermore, we discuss cross-modal approaches that integrate heterogeneous data sources such as Lidar, vision, and text description, thereby enhancing resilience to viewpoint, illumination, and seasonal variations. We also summarize standard datasets and evaluation metrics widely adopted in the literature. Finally, we identify current research challenges and outline prospective directions, including domain adaptation, real-time performance, and lifelong learning, to inspire future advancements in this domain. The unified framework of leading-edge place recognition methods, i.e., code library, and the results of their experimental evaluations are available at https://github.com/CV4RA/SOTA-Place-Recognitioner.
- Abstract（参考訳）: 位置認識は、車両のナビゲーションとマッピングの基盤であり、システムが以前に訪れた場所を判断できるようにする上で重要な要素である。
この能力は、同時局在マッピング(SLAM)におけるループ閉鎖や、環境条件の異なる長期ナビゲーションといったタスクに欠かせない。
本稿では,最近の位置認識の進歩を概観し,畳み込みニューラルネットワーク(CNN)ベースのアプローチ,トランスフォーマーベースのフレームワーク,クロスモーダル戦略の3つの代表的な方法論を強調した。
まず、自律システムのより広い文脈における位置認識の重要性を解明することから始める。
その後、我々はCNNベースの手法の進化を辿り、大規模環境における堅牢な視覚記述子学習と拡張性への貢献を強調した。
次に,グローバルな依存関係をキャプチャする自己認識機構を活用するトランスフォーマーモデルについて検討し,多様なシーンにまたがる一般化を実現する。
さらに、ライダー、ビジョン、テキスト記述などの異種データソースを統合し、視点、照明、季節変動に対するレジリエンスを高めるためのクロスモーダルアプローチについても論じる。
また、文献で広く採用されている標準データセットと評価指標を要約する。
最後に,現在の研究課題を特定し,ドメイン適応,リアルタイムパフォーマンス,生涯学習などの今後の方向性を概説し,今後の発展を促す。
コードライブラリと実験結果の統一されたフレームワークはhttps://github.com/CV4RA/SOTA-Place-Recognitionerで公開されている。
関連論文リスト
- On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
ゼロショット画像認識(ZSIR)は、限られたデータから一般化された知識を学習することにより、目に見えない領域の認識と推論を目的としている。
本稿では,ZSIRの最近の進歩を徹底的に研究し,今後の発展の基盤となるものについて述べる。
論文 参考訳（メタデータ） (2024-08-09T05:49:21Z) - Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳（メタデータ） (2024-07-22T12:32:09Z) - 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) - OverlapMamba: Novel Shift State Space Model for LiDAR-based Place Recognition [10.39935021754015]
位置認識のための新しいネットワークであるOverlapMambaを開発した。
本手法は,以前に訪れた場所を異なる方向から横断する場合でも,ループの閉鎖を効果的に検出する。
生のレンジビューの入力に基づいて、典型的なLiDARと複数ビューの組み合わせ法を時間的複雑さと速度で上回っている。
論文 参考訳（メタデータ） (2024-05-13T17:46:35Z) - Local Feature Matching Using Deep Learning: A Survey [19.322545965903608]
局所的な特徴マッチングは、画像検索、3D再構成、オブジェクト認識といった領域を含むコンピュータビジョンの領域において幅広い応用を享受する。
近年,深層学習モデルの導入により,局所的特徴マッチング手法の探究が盛んに行われている。
また,移動構造,リモートセンシング画像登録,医用画像登録などの多様な領域における局所的特徴マッチングの実践的応用についても検討した。
論文 参考訳（メタデータ） (2024-01-31T04:32:41Z) - 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) - General Place Recognition Survey: Towards the Real-world Autonomy Age [36.49196034588173]
場所認識コミュニティは、過去20年間に驚くべき進歩を遂げてきた。
複雑な実世界のシナリオにおいて、期待できる位置認識性能を示す手法はほとんどない。
本論文は,場所認識コミュニティと長期ロボット工学の自律性に関心を持つ研究者を対象としたチュートリアルである。
論文 参考訳（メタデータ） (2022-09-09T19:37:05Z) - TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain
Gait Recognition [77.77786072373942]
本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。
我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。
提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
論文 参考訳（メタデータ） (2021-02-09T03:07:07Z) - Learning Meta Face Recognition in Unseen Domains [74.69681594452125]
メタ顔認識(MFR)というメタラーニングを用いた新しい顔認識手法を提案する。
MFRは、メタ最適化目標を用いてソース/ターゲットドメインシフトを合成する。
一般化顔認識評価のためのベンチマークを2つ提案する。
論文 参考訳（メタデータ） (2020-03-17T14:10:30Z) - Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal
Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
個人再識別のための教師なし領域適応手法を提案する。
実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
論文 参考訳（メタデータ） (2020-01-14T17:43:52Z)
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。