論文の概要: Through the Lens of Doubt: Robust and Efficient Uncertainty Estimation for Visual Place Recognition

• arxiv url: http://arxiv.org/abs/2510.13464v1
• Date: Wed, 15 Oct 2025 12:12:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.659397
• Title: Through the Lens of Doubt: Robust and Efficient Uncertainty Estimation for Visual Place Recognition
• Title（参考訳）: ダウトのレンズを通して:視覚的位置認識のためのロバストで効率的な不確かさ推定
• Authors: Emily Miller, Michael Milford, Muhammad Burhan Hafez, SD Ramchurn, Shoaib Ehsan,
• Abstract要約: 視覚的場所認識は、既知の場所のデータベースに対する現在の観測と一致させることで、これまで訪れた場所を特定できる。 同時ローカライゼーションとマッピングパイプラインにおけるループクロージャ検出などの障害クリティカルなVPRアプリケーションは、位置マッチングの不確実性を堅牢に評価する必要がある。 本稿では,既存のVPR法を用いて,類似度スコアの固有統計パターンを解析し,予測信頼度を推定する3つのトレーニング不要不確実性指標を提案する。
• 参考スコア（独自算出の注目度）: 11.33609434801822
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual Place Recognition (VPR) enables robots and autonomous vehicles to identify previously visited locations by matching current observations against a database of known places. However, VPR systems face significant challenges when deployed across varying visual environments, lighting conditions, seasonal changes, and viewpoints changes. Failure-critical VPR applications, such as loop closure detection in simultaneous localization and mapping (SLAM) pipelines, require robust estimation of place matching uncertainty. We propose three training-free uncertainty metrics that estimate prediction confidence by analyzing inherent statistical patterns in similarity scores from any existing VPR method. Similarity Distribution (SD) quantifies match distinctiveness by measuring score separation between candidates; Ratio Spread (RS) evaluates competitive ambiguity among top-scoring locations; and Statistical Uncertainty (SU) is a combination of SD and RS that provides a unified metric that generalizes across datasets and VPR methods without requiring validation data to select the optimal metric. All three metrics operate without additional model training, architectural modifications, or computationally expensive geometric verification. Comprehensive evaluation across nine state-of-the-art VPR methods and six benchmark datasets confirms that our metrics excel at discriminating between correct and incorrect VPR matches, and consistently outperform existing approaches while maintaining negligible computational overhead, making it deployable for real-time robotic applications across varied environmental conditions with improved precision-recall performance.
• Abstract（参考訳）: 視覚的場所認識(VPR)により、ロボットと自動運転車は、既知の場所のデータベースに対する現在の観測と一致させることで、これまで訪れた場所を識別できる。 しかしながら、VPRシステムは、様々な視覚環境、照明条件、季節変化、視点変化にまたがる場合、重大な課題に直面している。 同時ローカライゼーションとマッピング(SLAM)パイプラインにおけるループクロージャ検出などの障害クリティカルなVPRアプリケーションは、配置整合性の堅牢な推定を必要とする。 本稿では,既存のVPR法を用いて,類似度スコアの固有統計パターンを解析し,予測信頼度を推定する3つのトレーニング不要不確実性指標を提案する。 類似度分布(SD)は、候補間のスコア分離を測定して一致の区別を定量化し、Ratio Spread(RS)はトップスコアの場所間の競争的あいまいさを評価し、統計不確実性(SU)は、最適なメトリックを選択するために検証データを必要としないデータセットとVPRメソッドをまたいだ統一されたメトリクスを提供するSDとRSの組み合わせである。 これら3つのメトリクスは、追加のモデルトレーニング、アーキテクチャ修正、あるいは計算に高価な幾何検証なしで動作します。 9つの最先端のVPR手法と6つのベンチマークデータセットの総合的な評価により、我々のメトリクスは正しいVPRマッチと間違ったVPRマッチの識別に優れており、無視できる計算オーバーヘッドを維持しながら既存のアプローチを一貫して上回り、精度・リコール性能を改善したリアルタイムロボットアプリケーションにデプロイ可能であることが確認された。

関連論文リスト

• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• Balancing Tails when Comparing Distributions: Comprehensive Equity Index (CEI) with Application to Bias Evaluation in Operational Face Biometrics [47.762333925222926]
  Comprehensive Equity Index (CEI)は、顔認識システムにおける人口統計バイアスを検出するために設計された新しい指標である。 実験の結果,CEIは従来手法が不足していたニュアンスバイアスを検出する能力に優れていたことが確認された。 CEIは、運用公正性評価のための堅牢で機密性の高いツールを提供する。
  論文  参考訳（メタデータ） (2025-06-12T10:43:31Z)
• TeLeS: Temporal Lexeme Similarity Score to Estimate Confidence in End-to-End ASR [1.8477401359673709]
  クラス確率に基づく信頼スコアは、自信過剰なASR予測の品質を正確に表すものではない。 信頼度推定モデル(CEM)を訓練するためのTeLeS(Temporal-Lexeme similarity)の信頼性スコアを提案する。 我々は、ヒンディー語、タミル語、カナダ語という3つの言語で訓練されたASRモデルを用いて、様々なトレーニングデータサイズで実験を行う。
  論文  参考訳（メタデータ） (2024-01-06T16:29:13Z)
• Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
  本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。 信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
  論文  参考訳（メタデータ） (2023-01-25T19:35:23Z)
• Uncertainty-Aware Lidar Place Recognition in Novel Environments [11.30020653282995]
  本研究では,不確実性を考慮したライダー位置認識の課題について検討する。 各予測された場所は、誤った予測を識別し拒否するために使用できる関連する不確実性を持つ必要がある。 我々は新しい評価プロトコルを導入し、このタスクのための最初の総合的なベンチマークを示す。
  論文  参考訳（メタデータ） (2022-10-04T04:06:44Z)
• PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
  高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。 我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。 提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-09-28T17:56:41Z)
• Unsupervised Domain Adaptation for Speech Recognition via Uncertainty Driven Self-Training [55.824641135682725]
  WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
  論文  参考訳（メタデータ） (2020-11-26T18:51:26Z)
• Robust Learning Through Cross-Task Consistency [92.42534246652062]
  クロスタスク整合性を用いた学習向上のための,広く適用可能な完全計算手法を提案する。 クロスタスク一貫性による学習は,より正確な予測と,アウト・オブ・ディストリビューション・インプットの一般化につながることを観察する。
  論文  参考訳（メタデータ） (2020-06-07T09:24:33Z)

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。