論文の概要: TOPO-Bench: An Open-Source Topological Mapping Evaluation Framework with Quantifiable Perceptual Aliasing

• arxiv url: http://arxiv.org/abs/2510.04100v1
• Date: Sun, 05 Oct 2025 08:58:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.458289
• Title: TOPO-Bench: An Open-Source Topological Mapping Evaluation Framework with Quantifiable Perceptual Aliasing
• Title（参考訳）: TOPO-Bench: 知覚的エイリアスを定量化するオープンソースのトポロジカルマッピング評価フレームワーク
• Authors: Jiaming Wang, Diwen Liu, Jizhuo Chen, Harold Soh,
• Abstract要約: トポロジカル一貫性をトポロジカルマップの基本特性として定式化し、ローカライゼーション精度が効率的な代理計量を提供することを示す。 本研究では,環境間の公正な比較を可能にするために,データセットのあいまいさに関する最初の定量的尺度を提案する。 すべてのデータセット、ベースライン、評価ツールは完全にオープンソースであり、トポロジカルマッピングにおける一貫した再現可能な研究を促進する。
• 参考スコア（独自算出の注目度）: 10.736029638634504
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Topological mapping offers a compact and robust representation for navigation, but progress in the field is hindered by the lack of standardized evaluation metrics, datasets, and protocols. Existing systems are assessed using different environments and criteria, preventing fair and reproducible comparisons. Moreover, a key challenge - perceptual aliasing - remains under-quantified, despite its strong influence on system performance. We address these gaps by (1) formalizing topological consistency as the fundamental property of topological maps and showing that localization accuracy provides an efficient and interpretable surrogate metric, and (2) proposing the first quantitative measure of dataset ambiguity to enable fair comparisons across environments. To support this protocol, we curate a diverse benchmark dataset with calibrated ambiguity levels, implement and release deep-learned baseline systems, and evaluate them alongside classical methods. Our experiments and analysis yield new insights into the limitations of current approaches under perceptual aliasing. All datasets, baselines, and evaluation tools are fully open-sourced to foster consistent and reproducible research in topological mapping.
• Abstract（参考訳）: トポロジカルマッピングはナビゲーションにコンパクトで堅牢な表現を提供するが、標準化された評価指標やデータセット、プロトコルの欠如によって、この分野の進歩は妨げられている。 既存のシステムは、異なる環境と基準を用いて評価され、公正かつ再現可能な比較を防ぐ。 さらに、システムパフォーマンスに強い影響があるにもかかわらず、重要な課題である知覚的エイリアス(perceptual aliasing)は、まだ定量化されていない。 本研究では,(1)トポロジカル・一貫性をトポロジカル・マップの基本特性として定式化し,局所化精度が効率的かつ解釈可能なサロゲート・メトリックを提供することを示す。 このプロトコルをサポートするために、あいまい度レベルを調整した多様なベンチマークデータセットをキュレートし、深層学習ベースラインシステムの実装とリリースを行い、それらを古典的な手法で評価する。 我々の実験と分析は、知覚的エイリアスの下での現在のアプローチの限界に対する新たな洞察をもたらす。 すべてのデータセット、ベースライン、評価ツールは完全にオープンソースであり、トポロジカルマッピングにおける一貫した再現可能な研究を促進する。

関連論文リスト

• Place Recognition Meet Multiple Modalitie: A Comprehensive Review, Current Challenges and Future Directions [2.4775350526606355]
  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。
  論文  参考訳（メタデータ） (2025-05-20T08:16:37Z)
• Map Feature Perception Metric for Map Generation Quality Assessment and Loss Optimization [2.311323886036968]
  本研究では,合成地図と対象地図のグローバルな特徴と空間的整合性を評価するために考案された新しいマップ特徴量について紹介する。 本手法は、地図構造的整合性とトポロジ的関係を包括的にエンコードする要素レベルの深い特徴を抽出する。
  論文  参考訳（メタデータ） (2025-03-30T09:07:09Z)
• Out-of-Distribution Detection on Graphs: A Survey [58.47395497985277]
  グラフアウト・オブ・ディストリビューション(GOOD)検出は、トレーニング中に見られる分布から逸脱するグラフデータを特定することに焦点を当てる。 既存の手法を,拡張ベース,再構築ベース,情報伝達ベース,分類ベースという4つのタイプに分類する。 本稿では,グラフデータによるユニークな課題を浮き彫りにして,実践的応用と理論的基礎について論じる。
  論文  参考訳（メタデータ） (2025-02-12T04:07:12Z)
• Pitfalls of topology-aware image segmentation [81.19923502845441]
  我々は、不適切な接続選択、見過ごされたトポロジカルアーティファクト、評価指標の不適切な使用を含むモデル評価における致命的な落とし穴を同定する。 本稿では,トポロジを意識した医用画像分割手法の公正かつ堅牢な評価基準を確立するための,行動可能なレコメンデーションセットを提案する。
  論文  参考訳（メタデータ） (2024-12-19T08:11:42Z)
• Topograph: An efficient Graph-Based Framework for Strictly Topology Preserving Image Segmentation [78.54656076915565]
  位相的正しさは多くの画像分割タスクにおいて重要な役割を果たす。 ほとんどのネットワークは、Diceのようなピクセル単位の損失関数を使って、トポロジカルな精度を無視して訓練されている。 トポロジ的に正確な画像セグメンテーションのための新しいグラフベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-05T16:20:14Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• 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)
• GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
  重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。 我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。 結果として得られるアルゴリズム、GenDICEは単純で効果的である。
  論文  参考訳（メタデータ） (2020-02-21T00:27:52Z)
• On clustering uncertain and structured data with Wasserstein barycenters and a geodesic criterion for the number of clusters [0.0]
  この研究は、ワッサーシュタインのバリセンターの概念を考察し、クラスタリングタスクが実行されるワッサーシュタイン空間の内在幾何学に基づく適切なクラスタリング指標を伴って考える。 このようなクラスタリング手法は、観測/実験誤差が重要である多くの分野において高く評価されている。 この観点から、各観測は適切な確率尺度によって識別され、提案したクラスタリングスキームは識別基準に依存する。
  論文  参考訳（メタデータ） (2019-12-26T08:46:00Z)

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。