論文の概要: LoopNet: A Multitasking Few-Shot Learning Approach for Loop Closure in Large Scale SLAM
- arxiv url: http://arxiv.org/abs/2507.15109v1
- Date: Sun, 20 Jul 2025 20:11:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.199492
- Title: LoopNet: A Multitasking Few-Shot Learning Approach for Loop Closure in Large Scale SLAM
- Title（参考訳）: LoopNet:大規模SLAMにおけるループクロージャのためのマルチタスクFew-Shot学習アプローチ
- Authors: Mohammad-Maher Nakshbandi, Ziad Sharawy, Sorin Grigorescu,
- Abstract要約: 1)ループ閉鎖検出精度と2)組込みハードウェアにおけるリアルタイム制約という,リアルタイムSLAMシステムの主な2つの問題に対処する。
LoopNet法は従来のResNetアーキテクチャのマルチタスク版に基づいており、動的ビジュアルデータセットによるオンラインリトレーニングに適応し、組み込みデバイスに最適化されている。
- 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: One of the main challenges in the Simultaneous Localization and Mapping (SLAM) loop closure problem is the recognition of previously visited places. In this work, we tackle the two main problems of real-time SLAM systems: 1) loop closure detection accuracy and 2) real-time computation constraints on the embedded hardware. Our LoopNet method is based on a multitasking variant of the classical ResNet architecture, adapted for online retraining on a dynamic visual dataset and optimized for embedded devices. The online retraining is designed using a few-shot learning approach. The architecture provides both an index into the queried visual dataset, and a measurement of the prediction quality. Moreover, by leveraging DISK (DIStinctive Keypoints) descriptors, LoopNet surpasses the limitations of handcrafted features and traditional deep learning methods, offering better performance under varying conditions. Code is available at https://github.com/RovisLab/LoopNet. Additinally, we introduce a new loop closure benchmarking dataset, coined LoopDB, which is available at https://github.com/RovisLab/LoopDB.
- Abstract（参考訳）: SLAMループ閉鎖問題における主要な課題の1つは、以前に訪れた場所の認識である。
本研究では,リアルタイムSLAMシステムにおける2つの問題に対処する。
1)ループ閉鎖検出精度及びループ閉鎖検出精度
2)組込みハードウェアにおけるリアルタイム計算の制約。
LoopNet法は従来のResNetアーキテクチャのマルチタスク版に基づいており、動的ビジュアルデータセットによるオンラインリトレーニングに適応し、組み込みデバイスに最適化されている。
オンラインリトレーニングは、数ショットの学習アプローチを使って設計されている。
このアーキテクチャは、クエリされたビジュアルデータセットへのインデックスと、予測品質の測定の両方を提供する。
さらに、disK(DIStinctive Keypoints)ディスクリプタを活用することで、LoopNetは手作り機能や従来のディープラーニングメソッドの制限を克服し、さまざまな条件下でより良いパフォーマンスを提供する。
コードはhttps://github.com/RovisLab/LoopNet.comで入手できる。
また、新しいループクロージャベンチマークデータセットであるLoopDBを導入し、https://github.com/RovisLab/LoopDB.comで利用可能です。
関連論文リスト
- PROL : Rehearsal Free Continual Learning in Streaming Data via Prompt Online Learning [17.230781041043823]
4つの主要コンポーネントを含むオンライン連続学習(OCL)のための新しいプロンプトベース手法を提案する。
提案手法は,CIFAR100, ImageNet-R, ImageNet-A, CUBデータセットにおける現在のSOTAよりも高い性能を実現する。
論文 参考訳（メタデータ） (2025-07-16T15:04:46Z) - Visual Loop Closure Detection Through Deep Graph Consensus [7.744347341643204]
位置認識によって得られる視覚的類似の幾何を利用してループ閉鎖コンセンサスを推定するグラフニューラルネットワークアーキテクチャであるLoopGNNを導入する。
提案手法は,高精度なリコールを維持しながら高精度な推定値が得られる。
論文 参考訳（メタデータ） (2025-05-27T20:42:47Z) - Provably Efficient Online RLHF with One-Pass Reward Modeling [59.30310692855397]
本稿では,過去のデータを保存する必要がなく,一定時間で計算できるワンパス報酬モデリング手法を提案する。
提案手法は,統計的および計算効率の両面で向上することを示す理論的保証を提供する。
我々はUltrafeedback-binarizedおよびMixture2データセット上でLlama-3-8B-InstructとQwen2.5-7B-Instructモデルを用いて実験を行った。
論文 参考訳（メタデータ） (2025-02-11T02:36:01Z) - Learning-based Sketches for Frequency Estimation in Data Streams without Ground Truth [8.643366221221351]
より実践的な学習ベース推定フレームワークであるUCL-sketchを提案する。
根拠のない等価学習によるオンライントレーニングと、論理的推定バケットを備えた高度にスケーラブルなアーキテクチャ。
その結果,本手法はキーごとの精度と分布に関する既存のスケッチよりも優れていた。
論文 参考訳（メタデータ） (2024-12-04T14:00:50Z) - 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) - Computationally Budgeted Continual Learning: What Does Matter? [128.0827987414154]
CL (Continuous Learning) は、新しいデータに適応しながら、以前の知識を保存し、分布の異なる入力データのストリーム上でモデルを逐次訓練することを目的としている。
現在のCL文献では、以前のデータへのアクセス制限に焦点が当てられているが、トレーニングの計算予算に制約は課されていない。
本稿では,この問題を大規模ベンチマークで再検討し,計算制約条件下での従来のCL手法の性能解析を行う。
論文 参考訳（メタデータ） (2023-03-20T14:50:27Z) - Lightweight Salient Object Detection in Optical Remote Sensing Images
via Feature Correlation [93.80710126516405]
本稿では,これらの問題に対処する軽量ORSI-SODソリューションであるCorrNetを提案する。
それぞれのコンポーネントのパラメータと計算を減らし、CorrNetは4.09Mのパラメータしか持たず、21.09GのFLOPで実行している。
2つの公開データセットの実験結果から、私たちの軽量なCorrNetは、26の最先端メソッドと比較して、競争力やパフォーマンスがさらに向上することが示された。
論文 参考訳（メタデータ） (2022-01-20T08:28:01Z) - Dynamic Network-Assisted D2D-Aided Coded Distributed Learning [59.29409589861241]
本稿では,デバイス間のロードバランシングのための新しいデバイス・ツー・デバイス(D2D)支援型符号化学習手法(D2D-CFL)を提案する。
最小処理時間を達成するための最適圧縮率を導出し、収束時間との接続を確立する。
提案手法は,ユーザが継続的にトレーニングデータを生成するリアルタイム協調アプリケーションに有用である。
論文 参考訳（メタデータ） (2021-11-26T18:44:59Z) - JUMBO: Scalable Multi-task Bayesian Optimization using Offline Data [86.8949732640035]
追加データをクエリすることで制限をサイドステップするMBOアルゴリズムであるJUMBOを提案する。
GP-UCBに類似した条件下では, 応答が得られないことを示す。
実世界の2つの最適化問題に対する既存手法に対する性能改善を実証的に示す。
論文 参考訳（メタデータ） (2021-06-02T05:03:38Z) - LCDNet: Deep Loop Closure Detection for LiDAR SLAM based on Unbalanced
Optimal Transport [8.21384946488751]
LiDAR ポイント クラウドのループ クロージャを効果的に検出する新しい LCDNet を紹介します。
LCDNetは、共有エンコーダ、グローバルディスクリプタを抽出する場所認識ヘッド、および2つの点雲間の変換を推定する相対ポーズヘッドで構成されています。
私たちのアプローチは、逆ループを扱う場合でも、最先端の技術を大きなマージンで上回る。
論文 参考訳（メタデータ） (2021-03-08T20:19:37Z) - 2nd Place Scheme on Action Recognition Track of ECCV 2020 VIPriors
Challenges: An Efficient Optical Flow Stream Guided Framework [57.847010327319964]
我々は、小さなデータセットでモデルをスクラッチからトレーニングできるデータ効率フレームワークを提案する。
具体的には、3D中心差分畳み込み演算を導入することで、新しいC3Dニューラルネットワークベースの2ストリームフレームワークを提案する。
提案手法は,大規模データセット上で事前学習したモデルがなくても,有望な結果が得られることを実証した。
論文 参考訳（メタデータ） (2020-08-10T09:50:28Z)
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。