論文の概要: LoopDB: A Loop Closure Dataset for Large Scale Simultaneous Localization and Mapping

• arxiv url: http://arxiv.org/abs/2506.06771v1
• Date: Sat, 07 Jun 2025 11:39:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.473477
• Title: LoopDB: A Loop Closure Dataset for Large Scale Simultaneous Localization and Mapping
• Title（参考訳）: LoopDB: 大規模同時ローカライゼーションとマッピングのためのループクロージャデータセット
• Authors: Mohammad-Maher Nakshbandi, Ziad Sharawy, Dorian Cojocaru, Sorin Grigorescu,
• Abstract要約: LoopDBは、さまざまな環境にわたってキャプチャされた1000以上のイメージからなる、困難なループクロージャデータセットである。 データセットは高解像度カメラを用いて収集され、ループクロージャアルゴリズムの精度をベンチマークするのに適切な画像を提供する。 ベンチマークの目標に加えて、データセットはディープニューラルネットワークに基づいた微調整ループクロージャメソッドのトレーニングや微調整に使用することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this study, we introduce LoopDB, which is a challenging loop closure dataset comprising over 1000 images captured across diverse environments, including parks, indoor scenes, parking spaces, as well as centered around individual objects. Each scene is represented by a sequence of five consecutive images. The dataset was collected using a high resolution camera, providing suitable imagery for benchmarking the accuracy of loop closure algorithms, typically used in simultaneous localization and mapping. As ground truth information, we provide computed rotations and translations between each consecutive images. Additional to its benchmarking goal, the dataset can be used to train and fine-tune loop closure methods based on deep neural networks. LoopDB is publicly available at https://github.com/RovisLab/LoopDB.
• Abstract（参考訳）: 本研究では, 公園, 屋内シーン, 駐車場など, さまざまな環境にまたがる1,000以上の画像と, 個々の対象物を中心に収集された画像からなる, 難解なループ閉鎖データセットであるLoopDBを紹介する。 各シーンは連続した5つの画像のシーケンスで表現される。 データセットは高解像度カメラを使用して収集され、通常、同時ローカライゼーションとマッピングに使用されるループクロージャアルゴリズムの精度をベンチマークするのに適切な画像を提供する。 地上の真理情報として、各連続画像間の計算された回転と変換を提供する。 ベンチマークの目標に加えて、データセットはディープニューラルネットワークに基づいた微調整ループクロージャメソッドのトレーニングや微調整に使用することができる。 LoopDBはhttps://github.com/RovisLab/LoopDBで公開されている。

関連論文リスト

• 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)
• Loopy-SLAM: Dense Neural SLAM with Loop Closures [53.11936461015725]
  ポーズをグローバルに最適化するLoopy-SLAMと高密度3Dモデルを導入する。 我々は,データ駆動のポイントベースサブマップ生成手法を用いてフレーム・ツー・モデル追跡を行い,グローバルな位置認識を行うことで,オンラインのループクロージャをトリガーする。 合成Replicaおよび実世界のTUM-RGBDおよびScanNetデータセットの評価は、既存の高密度ニューラルネットワークRGBD SLAM法と比較して、追跡、マッピング、レンダリングの精度の競争力または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-02-14T18:18:32Z)
• ASIC: Aligning Sparse in-the-wild Image Collections [86.66498558225625]
  本稿では,オブジェクトカテゴリのスパース画像コレクションの協調アライメント手法を提案する。 我々は、事前学習された視覚変換器(ViT)モデルの深い特徴から得られるペアワイズ近傍をノイズおよびスパースキーポイントマッチとして利用する。 CUBとSPair-71kベンチマークの実験により,我々の手法はグローバルに一貫した高品質な対応を実現できることが示された。
  論文  参考訳（メタデータ） (2023-03-28T17:59:28Z)
• HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D Images [58.720142291102135]
  本稿では,屋内環境における視覚的位置認識能力の探索を目的とした,HPointLocという新しいデータセットを提案する。 データセットは人気のあるHabitatシミュレータに基づいており、独自のセンサーデータとオープンデータセットの両方を使用して屋内シーンを生成することができる。
  論文  参考訳（メタデータ） (2022-12-30T12:20:56Z)
• LODE: Deep Local Deblurring and A New Benchmark [106.80269193462712]
  我々はBLur-Aware Deblurring Network(BladeNet)と呼ばれる新しいフレームワークを提案する。 ローカルブラー合成モジュールは局所的にぼやけたトレーニングペアを生成し、ローカルブラー知覚モジュールは局所的にぼやけた領域を自動的に捕捉し、Blar-guided Space Attentionモジュールは遅延ネットワークを空間的注意でガイドする。 我々は,REDS と LODE データセットの広範な実験を行い,BladeNet がPSNR を 2.5dB で改善し,SotAs を局所的に改善し,グローバルデブロアに匹敵する性能を維持していることを示す。
  論文  参考訳（メタデータ） (2021-09-19T15:57:28Z)
• DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort [117.41383937100751]
  現在のディープネットワークは、大規模なデータセットのトレーニングの恩恵を受ける、非常にデータハングリーです。 GAN潜入コードがどのようにデコードされ、イメージのセマンティックセグメンテーションを生成するかを示す。 これらの生成されたデータセットは、実際のデータセットと同じように、コンピュータビジョンアーキテクチャのトレーニングに使用できます。
  論文  参考訳（メタデータ） (2021-04-13T20:08:29Z)
• Beyond ANN: Exploiting Structural Knowledge for Efficient Place Recognition [8.121462458089143]
  オンラインで適用可能な効率的な位置認識のための新しい高速シーケンスベースの方法を提案する。 提案手法は,2つの最先端手法と,多くの場合,フル画像比較に優れる。
  論文  参考訳（メタデータ） (2021-03-15T13:10:57Z)
• Learning to Sort Image Sequences via Accumulated Temporal Differences [27.41266294612776]
  ハンドヘルドカメラで捉えた動的シーンの非順序画像群を時間的にシークエンシングする問題に対処する。 本稿では、2次元畳み込みカーネルを通して空間情報をキャプチャする畳み込みブロックを提案する。 提案手法は最先端の手法よりも有意なマージンで優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-22T12:34:05Z)
• Fast and Incremental Loop Closure Detection with Deep Features and Proximity Graphs [13.328790865796224]
  本稿では、FILD++という名前の外観に基づくループクロージャ検出パイプラインを提案する。 システムは連続した画像によって供給され、単一の畳み込みニューラルネットワークを2回通すことで、大域的および局所的な深い特徴を抽出する。 画像と画像のペアリングは、局所的な特徴を利用して空間情報を評価する。
  論文  参考訳（メタデータ） (2020-09-29T02:42:47Z)
• Robust Image Retrieval-based Visual Localization using Kapture [10.249293519246478]
  視覚的ローカライゼーションのための多用途パイプラインを提案する。 8つの公開データセットで評価し、それらが上位にランクされ、その多くが上位にランクされている。 今後の研究を促進するため、我々は、BSDライセンス下でオープンソースであるKaptureフォーマットで、コード、モデル、およびすべてのデータセットをリリースする。
  論文  参考訳（メタデータ） (2020-07-27T21:10:35Z)

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。