論文の概要: Adaptive Thresholding for Visual Place Recognition using Negative Gaussian Mixture Statistics

• arxiv url: http://arxiv.org/abs/2512.09071v1
• Date: Tue, 09 Dec 2025 19:34:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.299465
• Title: Adaptive Thresholding for Visual Place Recognition using Negative Gaussian Mixture Statistics
• Title（参考訳）: 負のガウス混合統計を用いた視覚的位置認識のための適応的閾値設定
• Authors: Nick Trinh, Damian Lyons,
• Abstract要約: 視覚位置認識(VPR)は、カメラベースのマッピングとナビゲーションアプリケーションのための重要なコンポーネント技術である。 同じ場所のイメージは、季節的な変化、天気の照らし方、環境への構造的な変化、過渡的な歩行者や車両の交通など、かなり異なるように見えるかもしれない。 このアプローチは,さまざまな画像データベースや画像ディスクリプタに適したしきい値を選択するのに有効であることを示す。
• 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: Visual place recognition (VPR) is an important component technology for camera-based mapping and navigation applications. This is a challenging problem because images of the same place may appear quite different for reasons including seasonal changes, weather illumination, structural changes to the environment, as well as transient pedestrian or vehicle traffic. Papers focusing on generating image descriptors for VPR report their results using metrics such as recall@K and ROC curves. However, for a robot implementation, determining which matches are sufficiently good is often reduced to a manually set threshold. And it is difficult to manually select a threshold that will work for a variety of visual scenarios. This paper addresses the problem of automatically selecting a threshold for VPR by looking at the 'negative' Gaussian mixture statistics for a place - image statistics indicating not this place. We show that this approach can be used to select thresholds that work well for a variety of image databases and image descriptors.
• Abstract（参考訳）: 視覚位置認識(VPR)は、カメラベースのマッピングとナビゲーションアプリケーションのための重要なコンポーネント技術である。 季節的な変化、天気の照らし方、環境の構造の変化、そして過渡的な歩行者や車両の交通量など、同じ場所のイメージが全く異なる可能性があるため、これは難しい問題である。 VPRのための画像記述子生成に焦点を当てた論文では、recall@KやROC曲線などのメトリクスを用いて結果が報告されている。 しかしながら、ロボットの実装においては、どのマッチが十分良いかを決定することは、しばしば手動で設定された閾値に還元される。 そして、さまざまな視覚シナリオで機能するしきい値を手動で選択することは難しい。 本稿では,VPRのしきい値を自動的に選択する問題に対して,その場所の「負」ガウス混合統計値(この場所ではないことを示す画像統計値)について検討する。 このアプローチは,さまざまな画像データベースや画像ディスクリプタに適したしきい値を選択するのに有効であることを示す。

関連論文リスト

• CSIM: A Copula-based similarity index sensitive to local changes for Image quality assessment [2.3874115898130865]
  画像類似度メトリクスは、画像処理、コンピュータビジョン、機械学習で使用されるため、コンピュータビジョンアプリケーションにおいて重要な役割を果たす。 PSNR、MSE、SSIM、ISSM、FSIMといった既存のメトリクスは、画像の小さな変更に対する速度、複雑さ、感度のいずれにおいても制限に直面していることが多い。 本稿では,画像の微妙な変化に敏感でありながらリアルタイムに組み合わせた新しい画像類似度指標CSIMについて検討する。
  論文  参考訳（メタデータ） (2024-10-02T10:46:05Z)
• Close, But Not There: Boosting Geographic Distance Sensitivity in Visual Place Recognition [9.192660643226372]
  我々は、現在のVPR埋め込みの地理的距離感度の制限が、トップk検索を誤ってソートする確率が高いことを定式化する。 我々は,視覚的に類似した画像のグラフから斜めをサンプリングすることにより,正および負の例を選択する新たなマイニング戦略であるCliqueMiningを提案する。 提案手法は,VPR埋め込みの感度を極小範囲で向上させ,関連するベンチマークの精度を著しく向上させる。
  論文  参考訳（メタデータ） (2024-07-02T16:49:01Z)
• Breaking the Frame: Visual Place Recognition by Overlap Prediction [53.17564423756082]
  本稿では,重なり合う予測に基づく新しい視覚的位置認識手法 VOP を提案する。 VOPは、Vision Transformerのバックボーンを使用してパッチレベルの埋め込みを取得することで、コビジュアブルなイメージセクションを進める。 提案手法では,データベース画像の重複点の評価に投票機構を用いる。
  論文  参考訳（メタデータ） (2024-06-23T20:00:20Z)
• CricaVPR: Cross-image Correlation-aware Representation Learning for Visual Place Recognition [73.51329037954866]
  視覚的位置認識のための画像間相関認識を用いたロバストなグローバル表現手法を提案する。 本手法では,バッチ内の複数の画像の相関にアテンション機構を用いる。 本手法は,訓練時間を大幅に短縮し,最先端の手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-02-29T15:05:11Z)
• Knee or ROC [0.0]
  自己注意変換器は、より小さなデータセットによる画像分類の精度を実証している。 そこで我々は, 膝法を用いて, アドホックベースでしきい値を決定する計算精度について検討した。
  論文  参考訳（メタデータ） (2024-01-14T23:25:44Z)
• Graph Sampling Based Deep Metric Learning for Generalizable Person Re-Identification [114.56752624945142]
  我々は、最も一般的なランダムサンプリング手法である有名なpkサンプリングは、深層メトリック学習にとって有益で効率的ではないと主張する。 大規模計量学習のためのグラフサンプリング(GS)と呼ばれる効率的なミニバッチサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2021-04-04T06:44:15Z)
• Robust Place Recognition using an Imaging Lidar [45.37172889338924]
  本研究では,画像lidarを用いたロバストなリアルタイム位置認識手法を提案する。 本手法は真不変であり,逆再訪と逆逆再訪に対処できる。
  論文  参考訳（メタデータ） (2021-03-03T01:08:31Z)
• Permuted AdaIN: Reducing the Bias Towards Global Statistics in Image Classification [97.81205777897043]
  近年の研究では、畳み込みニューラルネットワーク分類器は形状を犠牲にしてテクスチャを過度に依存していることが示されている。 一方、形状と局所像の区別は類似しているが異なるが、一方、グローバル画像統計は異なる。 提案手法は,pAdaIN (Permuted Adaptive Instance Normalization) と呼ばれ,画像分類器の隠蔽層におけるグローバル統計の表現を減少させる。
  論文  参考訳（メタデータ） (2020-10-09T16:38:38Z)
• G-SimCLR : Self-Supervised Contrastive Learning with Guided Projection via Pseudo Labelling [0.8164433158925593]
  コンピュータビジョンにおいて、ディープニューラルネットワークは大量のラベル付きデータを持つ教師付き設定において、より良い性能を発揮することが明らかである。 本研究では, 温度スケールクロスエントロピー(NT-Xent)損失関数の正規化により, 同じカテゴリの画像が同じバッチにない方が有益であることを示す。 我々は、ラベルのないデータセットで訓練された復号化オートエンコーダの潜在空間表現を使用し、それらをk平均でクラスタリングして擬似ラベルを得る。
  論文  参考訳（メタデータ） (2020-09-25T02:25:37Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。