論文の概要: MambaIO: Global-Coordinate Inertial Odometry for Pedestrians via Multi-Scale Frequency-Decoupled Modeling

• arxiv url: http://arxiv.org/abs/2511.15645v1
• Date: Wed, 19 Nov 2025 17:29:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.924942
• Title: MambaIO: Global-Coordinate Inertial Odometry for Pedestrians via Multi-Scale Frequency-Decoupled Modeling
• Title（参考訳）: MambaIO:マルチスケール周波数デカップリングモデリングによる歩行者用グローバルコーディネート慣性オドメトリー
• Authors: Shanshan Zhang,
• Abstract要約: 慣性オドメトリー(IO)は、慣性測定ユニット(IMU)からの加速度と角速度の測定のみを用いたリアルタイムな位置決めを可能にする 我々は,IMU測定をラプラシアンピラミッドを用いて高周波・低周波成分に分解するMambaIOを提案する。 複数の公開データセットの実験では、MambaIOはローカライズエラーを著しく低減し、最先端(SOTA)のパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 11.136431832350098
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inertial Odometry (IO) enables real-time localization using only acceleration and angular velocity measurements from an Inertial Measurement Unit (IMU), making it a promising solution for localization in consumer-grade applications. Traditionally, IMU measurements in IO have been processed under two coordinate system paradigms: the body coordinate frame and the global coordinate frame, with the latter being widely adopted. However, recent studies in drone scenarios have demonstrated that the body frame can significantly improve localization accuracy, prompting a re-evaluation of the suitability of the global frame for pedestrian IO. To address this issue, this paper systematically evaluates the effectiveness of the global coordinate frame in pedestrian IO through theoretical analysis, qualitative inspection, and quantitative experiments. Building upon these findings, we further propose MambaIO, which decomposes IMU measurements into high-frequency and low-frequency components using a Laplacian pyramid. The low-frequency component is processed by a Mamba architecture to extract implicit contextual motion cues, while the high-frequency component is handled by a convolutional structure to capture fine-grained local motion details. Experiments on multiple public datasets show that MambaIO substantially reduces localization error and achieves state-of-the-art (SOTA) performance. To the best of our knowledge, this is the first application of the Mamba architecture to the inertial odometry task.
• Abstract（参考訳）: 慣性オドメトリー(IO)は、慣性測定ユニット(IMU)からの加速度と角速度の測定のみを用いてリアルタイムなローカライゼーションを可能にし、コンシューマーグレードのアプリケーションにおけるローカライズのための有望なソリューションである。 伝統的に、IOにおけるIMU測定は、ボディ座標フレームとグローバル座標フレームという2つの座標系パラダイムの下で処理され、後者が広く採用されている。 しかし、近年のドローンシナリオにおける研究では、ボディフレームが位置決め精度を大幅に向上できることが示されており、グローバルフレームの歩行者用IOへの適合性の再評価につながっている。 そこで本論文では, 歩行者IOにおけるグローバル座標フレームの有効性を, 理論的解析, 質的検査, 定量的実験を通じて体系的に評価する。 これらの知見に基づいて,IMU測定をラプラシアピラミッドを用いて高周波・低周波成分に分解するMambaIOを提案する。 低周波成分は、暗黙の文脈運動キューを抽出するMambaアーキテクチャで処理され、高周波成分は畳み込み構造により処理され、きめ細かい局所運動の詳細をキャプチャする。 複数の公開データセットの実験では、MambaIOはローカライズエラーを著しく低減し、最先端(SOTA)のパフォーマンスを実現する。 私たちの知る限りでは、これは慣性オドメトリータスクへのMambaアーキテクチャの最初の応用である。

関連論文リスト

• Semi-distributed Cross-modal Air-Ground Relative Localization [11.828259485114598]
  ロボット相対的ローカライゼーションの現在のアプローチは、分散マルチロボットSLAMシステムという形で主に実現されている。 我々は、複数のセンサーを統合するために、無人地上車両(UGV)の容量を十分に活用する。 この研究において、UGVと無人航空機(UAV)は独立してSLAMを行い、深層学習に基づくキーポイントとグローバルディスクリプタを抽出した。
  論文  参考訳（メタデータ） (2025-11-10T06:28:31Z)
• LGM-Pose: A Lightweight Global Modeling Network for Real-time Human Pose Estimation [14.20517652381698]
  これらの課題に対処するために,シングルブランチ軽量グローバルモデリングネットワーク (LGM-Pose) が提案されている。 このネットワークでは、軽量なMobileViMブロックが、LARM(Lightweight Attentional Representation Module)として提案されている。
  論文  参考訳（メタデータ） (2025-06-05T02:29:04Z)
• VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
  状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。 大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。 水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。 本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
  論文  参考訳（メタデータ） (2025-05-02T12:21:44Z)
• ACMamba: Fast Unsupervised Anomaly Detection via An Asymmetrical Consensus State Space Model [51.83639270669481]
  ハイパースペクトル画像(HSI)における教師なし異常検出は、背景から未知のターゲットを検出することを目的としている。 HSI研究は、HSIの高次元特性と高密度サンプリングベーストレーニングパラダイムにより、計算コストの急激さによって妨げられている。 計算コストを大幅に削減する非対称コンセンサス状態空間モデル(ACMamba)を提案する。
  論文  参考訳（メタデータ） (2025-04-16T05:33:42Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• 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)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)
• TLIO: Tight Learned Inertial Odometry [43.17991168599939]
  IMUのみの状態推定のための密結合拡張カルマンフィルタフレームワークを提案する。 ヘッドセットからの歩行者データでトレーニングされた我々のネットワークは、統計的に一貫した測定と不確実性を生み出すことができる。
  論文  参考訳（メタデータ） (2020-07-06T03:13:34Z)

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。