論文の概要: ADA-DPM: A Neural Descriptors-based Adaptive Noise Point Filtering Strategy for SLAM

• arxiv url: http://arxiv.org/abs/2506.18016v1
• Date: Sun, 22 Jun 2025 12:48:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.698104
• Title: ADA-DPM: A Neural Descriptors-based Adaptive Noise Point Filtering Strategy for SLAM
• Title（参考訳）: ADA-DPM: SLAMのためのニューラルディスクリプタに基づく適応ノイズポイントフィルタリング戦略
• Authors: Yongxin Shao, Binrui Wang, Aihong Tan,
• Abstract要約: LiDAR SLAMは、移動ロボットナビゲーションや高精度マップ構築など、様々な分野で大きな応用価値を示している。 既存の手法では、動的オブジェクトの干渉、ポイントクラウドノイズ、非構造化環境に直面する場合、位置決め精度とシステムの堅牢性の間のトレードオフが必要な場合が多い。 適応雑音フィルタリングSLAMストラテジー-ADA-DPMを提案する。
• 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: LiDAR SLAM has demonstrated significant application value in various fields, including mobile robot navigation and high-precision map construction. However, existing methods often need to make a trade-off between positioning accuracy and system robustness when faced with dynamic object interference, point cloud noise, and unstructured environments. To address this challenge, we propose an adaptive noise filtering SLAM strategy-ADA-DPM, achieving excellent preference in both aspects. We design the Dynamic Segmentation Head to predict the category of feature points belonging to dynamic points, to eliminate dynamic feature points; design the Global Importance Scoring Head to adaptively select feature points with higher contribution and features while suppressing noise interference; and construct the Cross Layer Intra-Graph Convolution Module (GLI-GCN) to fuse multi-scale neighborhood structures, thereby enhancing the discriminative ability of overlapping features. Finally, to further validate the effectiveness of our method, we tested it on several publicly available datasets and achieved outstanding results.
• Abstract（参考訳）: LiDAR SLAMは、移動ロボットナビゲーションや高精度マップ構築など、様々な分野で大きな応用価値を示している。 しかし、既存の手法では、動的オブジェクト干渉、ポイントクラウドノイズ、非構造化環境に直面する場合、位置決め精度とシステムの堅牢性の間のトレードオフをしばしば必要とします。 この課題に対処するため,適応ノイズフィルタリングSLAMストラテジー-ADA-DPMを提案する。 我々はダイナミックセグメンテーションヘッドを設計し、ダイナミックポイントに属する特徴点のカテゴリを予測し、ダイナミックな特徴点を排除し、グローバル・コンパタンス・スコリングヘッドを設計し、ノイズ干渉を抑制しながら高いコントリビューションと特徴点を適応的に選択し、マルチスケールの近傍構造を融合するクロス・レイヤ・イントラグラフ・コンボリューション・モジュール(GLI-GCN)を構築し、重なり合う特徴点の識別能力を向上する。 最後に,提案手法の有効性をさらに検証するため,いくつかの公開データセットで検証を行い,優れた結果を得た。

関連論文リスト

• Adaptive Control Attention Network for Underwater Acoustic Localization and Domain Adaptation [8.017203108408973]
  海洋における音源の局所化は、環境の複雑でダイナミックな性質のために難しい課題である。 本研究では,移動音源と受信機の距離を正確に予測するマルチブランチネットワークアーキテクチャを提案する。 提案手法は,SOTA(State-of-the-art)アプローチに類似した設定で優れる。
  論文  参考訳（メタデータ） (2025-06-20T18:13:30Z)
• Generalized Uncertainty-Based Evidential Fusion with Hybrid Multi-Head Attention for Weak-Supervised Temporal Action Localization [28.005080560540133]
  弱教師付き時間的アクションローカライゼーション(WS-TAL)は、完全なアクションインスタンスをローカライズし、それらをビデオレベルのラベルに分類するタスクである。 動作背景のあいまいさは、主にアグリゲーションと動作内変動に起因するバックグラウンドノイズによって引き起こされるものであり、既存のWS-TAL手法にとって重要な課題である。 本稿では,ハイブリッドマルチヘッドアテンション(HMHA)モジュールと一般化された不確実性に基づく明らかな融合(GUEF)モジュールを導入し,この問題に対処する。
  論文  参考訳（メタデータ） (2024-12-27T03:04:57Z)
• AMSP-UOD: When Vortex Convolution and Stochastic Perturbation Meet Underwater Object Detection [40.532331552038485]
  AMSP-UOD(Amplitude-Modulated Perturbation and Vortex Convolutional Network)を提案する。 AMSP-UODは複雑な水中環境における非理想的撮像因子が検出精度に与える影響に対処する。 提案手法は,既存の最先端手法よりも精度とノイズ免疫の点で優れる。
  論文  参考訳（メタデータ） (2023-08-23T05:03:45Z)
• Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
  周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。 ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。 提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
  論文  参考訳（メタデータ） (2023-08-17T11:30:46Z)
• Progressive Self-Guided Loss for Salient Object Detection [102.35488902433896]
  画像中の深層学習に基づくサラエント物体検出を容易にするプログレッシブ自己誘導損失関数を提案する。 我々のフレームワークは適応的に集約されたマルチスケール機能を利用して、健全な物体の探索と検出を効果的に行う。
  論文  参考訳（メタデータ） (2021-01-07T07:33:38Z)
• Fine-Grained Dynamic Head for Object Detection [68.70628757217939]
  本稿では,各インスタンスの異なるスケールからfpn特徴の画素レベルの組み合わせを条件付きで選択する,きめ細かい動的ヘッドを提案する。 実験は,いくつかの最先端検出ベンチマークにおける提案手法の有効性と有効性を示す。
  論文  参考訳（メタデータ） (2020-12-07T08:16:32Z)
• Hierarchical Dynamic Filtering Network for RGB-D Salient Object Detection [91.43066633305662]
  RGB-D Salient Object Detection (SOD) の主な目的は、相互融合情報をよりよく統合し活用する方法である。 本稿では,これらの問題を新たな視点から考察する。 我々は、より柔軟で効率的なマルチスケールのクロスモーダルな特徴処理を実装している。
  論文  参考訳（メタデータ） (2020-07-13T07:59:55Z)
• Global Context-Aware Progressive Aggregation Network for Salient Object Detection [117.943116761278]
  我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。 提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-02T04:26:10Z)

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。