論文の概要: Bag-of-Word-Groups (BoWG): A Robust and Efficient Loop Closure Detection Method Under Perceptual Aliasing

• arxiv url: http://arxiv.org/abs/2510.22529v1
• Date: Sun, 26 Oct 2025 04:31:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:15.234232
• Title: Bag-of-Word-Groups (BoWG): A Robust and Efficient Loop Closure Detection Method Under Perceptual Aliasing
• Title（参考訳）: Bag-of-Word-Groups (BoWG):知覚的エイリアスによるロバストかつ効率的なループクロージャ検出法
• Abstract要約: Bag-of-Word-Groups (BoWG) は、精度、堅牢性、計算効率を向上する新しいループクロージャ検出法である。 本稿では,視覚的単語の空間的共起と近接を捉え,オンライン辞書を構築するための単語群を提案する。 また,Bicocca25bデータセットの17,565画像に対して,平均処理時間は16ミリ秒である。
• 参考スコア（独自算出の注目度）: 23.13123077794779
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Loop closure is critical in Simultaneous Localization and Mapping (SLAM) systems to reduce accumulative drift and ensure global mapping consistency. However, conventional methods struggle in perceptually aliased environments, such as narrow pipes, due to vector quantization, feature sparsity, and repetitive textures, while existing solutions often incur high computational costs. This paper presents Bag-of-Word-Groups (BoWG), a novel loop closure detection method that achieves superior precision-recall, robustness, and computational efficiency. The core innovation lies in the introduction of word groups, which captures the spatial co-occurrence and proximity of visual words to construct an online dictionary. Additionally, drawing inspiration from probabilistic transition models, we incorporate temporal consistency directly into similarity computation with an adaptive scheme, substantially improving precision-recall performance. The method is further strengthened by a feature distribution analysis module and dedicated post-verification mechanisms. To evaluate the effectiveness of our method, we conduct experiments on both public datasets and a confined-pipe dataset we constructed. Results demonstrate that BoWG surpasses state-of-the-art methods, including both traditional and learning-based approaches, in terms of precision-recall and computational efficiency. Our approach also exhibits excellent scalability, achieving an average processing time of 16 ms per image across 17,565 images in the Bicocca25b dataset.
• Abstract（参考訳）: ループ閉鎖は、累積ドリフトを減少させ、グローバルマッピングの整合性を確保するために、SLAMシステムにおいて重要である。 しかし、従来の手法では、ベクトル量子化や特徴空間、反復的なテクスチャなど、狭いパイプのような知覚的な環境に苦しむ一方で、既存のソリューションでは高い計算コストがかかることが多い。 本稿では,Bag-of-Word-Groups (BoWG)を提案する。 中心となる革新はワードグループの導入であり、オンライン辞書を構築するために視覚的単語の空間的共起と近接を捉えている。 さらに、確率的遷移モデルからインスピレーションを得て、時間的一貫性を適応的スキームと直接的に類似性計算に組み込み、精度・リコール性能を大幅に向上させる。 この方法は、特徴分布解析モジュールと専用の検証後メカニズムによりさらに強化される。 提案手法の有効性を評価するため,構築した公開データセットと閉鎖管データセットの両方で実験を行った。 その結果,BoWGは従来の手法と学習手法の両方を含む最先端の手法を超越し,精度と計算効率が向上した。 また,Bicocca25bデータセットの17,565画像に対して,平均処理時間は16ミリ秒である。

関連論文リスト

• Adaptive Latent Trajectory Anchoring for Action Segmentation Dataset Condensation [53.60856261088647]
  本稿では,凝縮パラダイムを最適化に基づく逆転から決定論的潜在写像へシフトすることを提案する。 動作セグメントをノイズ多様体のスパース潜在点に固定された連続軌跡として表現する。 我々のフレームワークは,共通データセット間でのセグメンテーション性能において,最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-07-10T04:00:26Z)
• From Open Loop to Closed Loop: A Test-Time Iterative Optimization Framework for Reference-Consistent Image Generation [108.02425846269234]
  制御可能な画像生成は、視覚的参照条件を組み込むことで、大きな進歩を遂げた。 既存の方法は、主にオープンループシステムとして動作する。 本稿では,閉ループ動的トラッキング問題として参照一貫性生成を再構成する新しいテスト時間反復最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-06T05:36:30Z)
• Efficient Time Series Clustering from Multiscale Reservoir Dynamics with Granular-Ball Anchoring Graph Optimization [21.33441927042172]
  MSRGC-Netは効率的な時系列クラスタリングフレームワークである。 マルチスケール貯水池計算、グラニュラーボールベースのアンカーグラフ構築、コンセンサス学習を統合している。 クラスタリングのパフォーマンスにおいて、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2026-06-10T13:42:35Z)
• DeCo-DETR: Decoupled Cognition DETR for efficient Open-Vocabulary Object Detection [34.77756071357519]
  Open-vocabulary Object Detection (OVOD)は、モデルが事前に定義されたカテゴリを超えてオブジェクトを認識できるようにする。 Deco-DETR(Deco-DeTR:Decoupled Cognition DETR)は、統合されたデカップリングパラダイムによってこれらの課題に対処するビジョン中心のフレームワークである。 本稿では,DeCo-DETRが競合ゼロショット検出性能を実現し,推論効率を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2026-04-03T05:56:29Z)
• Scalable Gaussian process modeling of parametrized spatio-temporal fields [2.005299372367689]
  固定時間領域やパラメータ時間領域上でのパラメータ化方程式の学習のためのスケーラブルなフレームワークを開発する。 提案手法の鍵となる特徴は,後部平均と基本的に同じ計算コストで,後部分散の効率的な計算である。 結果は、特に下流タスクに不確実性推定を必要とする場合、データ駆動サロゲートモデリングの効果的なツールとして提案フレームワークを確立した。
  論文  参考訳（メタデータ） (2026-02-27T20:16:21Z)
• Scalable Bayesian Network Structure Learning Using Tsetlin Machine to Constrain the Search Space [10.753354249346073]
  PCアルゴリズムはベイズネットワークの構造を学習するための因果推論において広く用いられている手法である。 その人気にもかかわらず、PCアルゴリズムは特にデータセットのサイズが大きくなるにつれて、かなりの時間的複雑さに悩まされる。 本稿では,より効率的にベイズ構造を構築するために,Tsetlin Machine (TM) を利用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-11-24T16:23:19Z)
• An Enhanced Model-based Approach for Short Text Clustering [58.60681789677676]
  Twitter、Google+、Facebookなどのソーシャルメディアの人気が高まり、短いテキストのクラスタリングがますます重要になっている。 既存の手法は、トピックモデルに基づくアプローチと深層表現学習に基づくアプローチの2つのパラダイムに大別することができる。 短文の空間性と高次元性を効果的に扱えるDirichlet Multinomial Mixture Model (GSDMM) のギブスサンプリングアルゴリズムを提案する。 さらなる改良を保証しているGSDMMのいくつかの側面に基づいて,さらなる性能向上を目的とした改良されたアプローチであるGSDMM+を提案する。
  論文  参考訳（メタデータ） (2025-07-18T10:07:42Z)
• Towards Transformer-Based Aligned Generation with Self-Coherence Guidance [51.42269790543461]
  トランスフォーマーを用いたテキストガイド拡散モデル(TGDM)におけるアライメント向上のためのトレーニング不要アプローチを提案する。 既存のTGDMは、特に複雑なテキストプロンプトやマルチコンセプト属性バインディングの問題を扱う場合、意味的に整合した画像を生成するのに苦労することが多い。 本手法は,生成過程において,相互注意マップを直接最適化することにより,これらの課題に対処する。
  論文  参考訳（メタデータ） (2025-03-22T07:03:57Z)
• Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
  本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。 WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
  論文  参考訳（メタデータ） (2024-10-28T04:47:39Z)
• Efficient Trajectory Inference in Wasserstein Space Using Consecutive Averaging [3.8623569699070353]
  軌道推論はそのような観測から連続的な過程を再構成する。 ワッサーシュタイン空間に固有の連続平均化によるB-スプライン近似と点雲の近似法を提案する。 線形収束率を証明し, 分岐, マージ, 軌道分割のシナリオを特徴とするセルデータに対する手法を厳密に評価した。
  論文  参考訳（メタデータ） (2024-05-30T04:19:20Z)
• Observation-Guided Diffusion Probabilistic Models [41.749374023639156]
  観測誘導拡散確率モデル(OGDM)と呼ばれる新しい拡散に基づく画像生成法を提案する。 本手法は,観測プロセスの指導をマルコフ連鎖と統合することにより,トレーニング目標を再構築する。 本研究では,強力な拡散モデルベースライン上での多様な推論手法を用いたトレーニングアルゴリズムの有効性を示す。
  論文  参考訳（メタデータ） (2023-10-06T06:29:06Z)
• ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement [80.94378602238432]
  粗大な処理で対応性を見出すことにより、ECO-TR(Correspondence Efficient Transformer)と呼ばれる効率的な構造を提案する。 これを実現するために、複数の変圧器ブロックは段階的に連結され、予測された座標を徐々に洗練する。 種々のスパースタスクと密マッチングタスクの実験は、既存の最先端技術に対する効率性と有効性の両方において、我々の手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-09-25T13:05:33Z)
• Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion [62.269219152425556]
  セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。 本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。 アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
  論文  参考訳（メタデータ） (2022-02-21T15:30:14Z)
• A Stochastic Bundle Method for Interpolating Networks [18.313879914379008]
  本稿では,実験的な損失をゼロにすることができるディープニューラルネットワークのトレーニング手法を提案する。 各イテレーションにおいて,本手法は目的学習近似のバンドルとして知られる最大線形近似を構成する。
  論文  参考訳（メタデータ） (2022-01-29T23:02:30Z)
• Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
  本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。 学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。 提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
  論文  参考訳（メタデータ） (2021-11-11T23:31:34Z)
• Automatic Vocabulary and Graph Verification for Accurate Loop Closure Detection [21.862978912891677]
  Bag-of-Words (BoW)は、機能と関連付け、ループを検出する視覚語彙を構築する。 本稿では,ノードの半径と特徴記述子のドリフトを比較することで,自然な収束基準を提案する。 本稿では,候補ループの検証のための新しいトポロジカルグラフ検証手法を提案する。
  論文  参考訳（メタデータ） (2021-07-30T13:19:33Z)

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。