論文の概要: MinkUNeXt-SI: Improving point cloud-based place recognition including spherical coordinates and LiDAR intensity

• arxiv url: http://arxiv.org/abs/2505.17591v1
• Date: Fri, 23 May 2025 07:56:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:33.908791
• Title: MinkUNeXt-SI: Improving point cloud-based place recognition including spherical coordinates and LiDAR intensity
• Title（参考訳）: MinkUNeXt-SI:球面座標とLiDAR強度を含む点雲を用いた位置認識の改善
• Authors: Judith Vilella-Cantos, Juan José Cabrera, Luis Payá, Mónica Ballesta, David Valiente,
• Abstract要約: 本稿では,各点に対して0から1の範囲で正規化される球面座標と強度値を得るために,入力データを前処理するMinkUNeXt-SIを提案する。 Minkowskiの畳み込みとU-netアーキテクチャとスキップ接続を組み合わせたディープラーニングアプローチが使用されている。 MinkUNeXt-SIの結果は、この手法が最先端の性能に到達し、さらに他のデータセットに満足して一般化することを示した。
• 参考スコア（独自算出の注目度）: 1.2198410511663482
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In autonomous navigation systems, the solution of the place recognition problem is crucial for their safe functioning. But this is not a trivial solution, since it must be accurate regardless of any changes in the scene, such as seasonal changes and different weather conditions, and it must be generalizable to other environments. This paper presents our method, MinkUNeXt-SI, which, starting from a LiDAR point cloud, preprocesses the input data to obtain its spherical coordinates and intensity values normalized within a range of 0 to 1 for each point, and it produces a robust place recognition descriptor. To that end, a deep learning approach that combines Minkowski convolutions and a U-net architecture with skip connections is used. The results of MinkUNeXt-SI demonstrate that this method reaches and surpasses state-of-the-art performance while it also generalizes satisfactorily to other datasets. Additionally, we showcase the capture of a custom dataset and its use in evaluating our solution, which also achieves outstanding results. Both the code of our solution and the runs of our dataset are publicly available for reproducibility purposes.
• Abstract（参考訳）: 自律航法システムでは、位置認識問題の解法は安全な機能に不可欠である。 しかし、これは簡単な解決策ではない、なぜならそれは季節の変化や異なる気象条件など、シーンの変化に関係なく正確でなければならず、他の環境にも一般化できなければならないからである。 本稿では,LiDARの点雲から始まるMinkUNeXt-SIを用いて,各点に対して0から1の範囲で正規化された球面座標と強度値を求める。 そのため、ミンコフスキーの畳み込みとU-netアーキテクチャをスキップ接続と組み合わせたディープラーニングアプローチを用いる。 MinkUNeXt-SIの結果は、この手法が最先端の性能に到達し、さらに他のデータセットに満足して一般化することを示した。 さらに、カスタムデータセットのキャプチャと、ソリューションの評価に使用することについても紹介し、優れた結果が得られます。 ソリューションのコードとデータセットの実行の両方が、再現性のために公開されています。

関連論文リスト

• OptiGait-LGBM: An Efficient Approach of Gait-based Person Re-identification in Non-Overlapping Regions [0.26388783516590225]
  骨格モデルを用いて人物の再識別が可能なOptiGait-LGBMモデルを提案する。 複雑な屋外環境において、制御されていない歩行シーケンスを表現するために、ベンチマークデータセットRUET-GAITが導入された。 本研究の目的は,既存の手法と比較して計算コストを最小化して,上記の課題に対処することである。
  論文  参考訳（メタデータ） (2025-05-10T08:28:57Z)
• A Dataset for Semantic Segmentation in the Presence of Unknowns [49.795683850385956]
  既存のデータセットは、既知のものや未知のもののみの評価を可能にするが、両方ではない。 乱雑な実環境からの多様な異常な入力を特徴とする,新しい異常セグメンテーションデータセットISSUを提案する。 データセットは、既存の異常セグメンテーションデータセットの2倍大きい。
  論文  参考訳（メタデータ） (2025-03-28T10:31:01Z)
• Self-Supervised Scene Flow Estimation with Point-Voxel Fusion and Surface Representation [30.355128117680444]
  シーンフロー推定は、点雲の2つの連続するフレーム間の点の3次元運動場を生成することを目的としている。 既存の点ベースの手法は点雲の不規則性を無視し、長距離依存を捉えるのが困難である。 本稿では,分散グリッドアテンションとシフトウインドウ戦略に基づくボクセルブランチを用いて,長距離依存性を捕捉するポイントボクセル融合法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T09:05:15Z)
• Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
  本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。 注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
  論文  参考訳（メタデータ） (2024-09-20T07:41:47Z)
• Deep Generative Data Assimilation in Multimodal Setting [0.1052166918701117]
  本研究では,マルチモーダル・セッティングにおけるスコアベースラテント・アシミレーション(SLAMS)を提案する。 気象観測所のデータと衛星画像とを同化して、垂直温度分布を世界規模で校正する。 私たちの研究は、実世界のデータセットを用いたマルチモーダルデータ同化に、初めて深層生成フレームワークを適用しました。
  論文  参考訳（メタデータ） (2024-04-10T00:25:09Z)
• Segment Any Events via Weighted Adaptation of Pivotal Tokens [85.39087004253163]
  本稿では,Segment Anything Models (SAM) をイベントデータと統合する上で,難易度の高い課題に焦点を当てる。 本稿では,RGB画像とイベントデータからのトークン埋め込みのアライメントを最適化するマルチスケールな特徴蒸留手法を提案する。
  論文  参考訳（メタデータ） (2023-12-24T12:47:08Z)
• 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)
• Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
  本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。 その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。 ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
  論文  参考訳（メタデータ） (2022-07-28T12:29:39Z)
• SOE-Net: A Self-Attention and Orientation Encoding Network for Point Cloud based Place Recognition [50.9889997200743]
  我々は、自己アテンション・指向性符号化ネットワーク(SOE-Net)を用いて、ポイントクラウドデータから位置認識する問題に取り組む。 SOE-Netは、ポイント間の関係を完全に探求し、長距離コンテキストをポイントワイドなローカル記述子に組み込む。 様々なベンチマークデータセットの実験では、現在の最先端アプローチよりも提案したネットワークの性能が優れていることが示されている。
  論文  参考訳（メタデータ） (2020-11-24T22:28:25Z)

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。