論文の概要: Loop Closure using AnyLoc Visual Place Recognition in DPV-SLAM

• arxiv url: http://arxiv.org/abs/2601.02723v1
• Date: Tue, 06 Jan 2026 05:32:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:12.806869
• Title: Loop Closure using AnyLoc Visual Place Recognition in DPV-SLAM
• Title（参考訳）: DPV-SLAMにおけるAnyLoc視覚的位置認識を用いたループ閉鎖
• Authors: Wenzheng Zhang, Kazuki Adachi, Yoshitaka Hara, Sousuke Nakamura,
• Abstract要約: DPV-SLAMにおけるループ閉鎖性能を向上させる手法を提案する。 我々のアプローチは学習に基づく視覚的位置認識技術であるAnyLocを統合している。 本手法は,ループ閉鎖精度とロバスト性の観点から,元のDPV-SLAMよりも優れていた。
• 参考スコア（独自算出の注目度）: 3.86135700693748
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Loop closure is crucial for maintaining the accuracy and consistency of visual SLAM. We propose a method to improve loop closure performance in DPV-SLAM. Our approach integrates AnyLoc, a learning-based visual place recognition technique, as a replacement for the classical Bag of Visual Words (BoVW) loop detection method. In contrast to BoVW, which relies on handcrafted features, AnyLoc utilizes deep feature representations, enabling more robust image retrieval across diverse viewpoints and lighting conditions. Furthermore, we propose an adaptive mechanism that dynamically adjusts similarity threshold based on environmental conditions, removing the need for manual tuning. Experiments on both indoor and outdoor datasets demonstrate that our method significantly outperforms the original DPV-SLAM in terms of loop closure accuracy and robustness. The proposed method offers a practical and scalable solution for enhancing loop closure performance in modern SLAM systems.
• Abstract（参考訳）: ループ閉鎖は視覚SLAMの精度と一貫性を維持するために重要である。 DPV-SLAMにおけるループ閉鎖性能を向上させる手法を提案する。 提案手法は,古典的視覚単語のバグ(BoVW)ループ検出手法の代替として,学習に基づく視覚的位置認識技術であるAnyLocを統合した。 ハンドクラフト機能に依存しているBoVWとは対照的に、AnyLocは深い特徴表現を利用し、多様な視点や照明条件でより堅牢な画像検索を可能にする。 さらに,環境条件に基づいて類似度閾値を動的に調整し,手動チューニングの必要性を解消する適応機構を提案する。 室内および屋外の両方のデータセットを用いた実験により、ループ閉鎖精度とロバスト性の観点から、本手法が元のDPV-SLAMを著しく上回っていることが示された。 提案手法は,現代のSLAMシステムにおいて,ループクロージャ性能を向上させるための実用的でスケーラブルなソリューションを提供する。

関連論文リスト

• FoundationSLAM: Unleashing the Power of Depth Foundation Models for End-to-End Dense Visual SLAM [50.9765003472032]
  FoundationSLAMは、正確でロバストな追跡とマッピングのための学習ベースの単分子高密度SLAMシステムである。 我々の中核となる考え方は、基礎深度モデルからのガイダンスを活用することによって、推論によるフロー推定をブリッジすることである。
  論文  参考訳（メタデータ） (2025-12-31T17:57:45Z)
• Video Depth Propagation [54.523028170425256]
  既存の手法は単純なフレーム・バイ・フレームの単分子モデルに依存しており、時間的矛盾と不正確な結果をもたらす。 本稿では,オンラインビデオパイプラインを効果的に活用し,深い特徴伝達を行うVeloDepthを提案する。 構造的に時間的整合性を強制し, 連続するフレーム間に安定した深さ予測を行い, 効率を向上する。
  論文  参考訳（メタデータ） (2025-12-11T15:08:37Z)
• Deblur Gaussian Splatting SLAM [57.35366732452066]
  Deblur-SLAMは、モーションブルーの入力から鋭い復元を回復するために設計された堅牢なRGB SLAMパイプラインである。 我々は、動きブル画像の物理画像形成過程をモデル化し、観察されたぼやけた画像とぼやけた画像との誤差を最小化する。 我々は,合成および実世界のぼやけた入力データを用いて,シャープマップ推定とサブフレームトラジェクトリ回復のための最先端結果を得る。
  論文  参考訳（メタデータ） (2025-03-16T16:59:51Z)
• DK-SLAM: Monocular Visual SLAM with Deep Keypoint Learning, Tracking and Loop-Closing [13.50980509878613]
  公開されているデータセットに対する実験的評価は、DK-SLAMが従来のSLAMシステムと学習ベースのSLAMシステムより優れていることを示している。 本システムでは,キーポイント抽出ネットワークの学習を最適化するために,モデル非依存メタラーニング(MAML)戦略を採用している。 累積的な位置決め誤差を軽減するため、DK-SLAMはループ閉鎖検出にバイナリ機能を利用する新しいオンライン学習モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2024-01-17T12:08:30Z)
• Dynamic Frame Interpolation in Wavelet Domain [57.25341639095404]
  ビデオフレームは、より流動的な視覚体験のためにフレームレートを上げることができる、重要な低レベルな計算ビジョンタスクである。 既存の手法は、高度なモーションモデルと合成ネットワークを利用することで大きな成功を収めた。 WaveletVFIは、同様の精度を維持しながら最大40%の計算を削減できるため、他の最先端技術に対してより効率的に処理できる。
  論文  参考訳（メタデータ） (2023-09-07T06:41:15Z)
• LF-VISLAM: A SLAM Framework for Large Field-of-View Cameras with Negative Imaging Plane on Mobile Agents [31.690784355435763]
  LF-VISLAMは、極端に大型のFoVとループクロージャを備えたカメラのためのVisual Inertial SLAMフレームワークである。 負の半平面上でも特徴点を効果的に表現するために、単位長さの3次元ベクトルを導入する。 SLAMシステムの姿勢情報を利用してループ閉鎖の特徴点検出を誘導する。
  論文  参考訳（メタデータ） (2022-09-12T11:51:20Z)
• LCDNet: Deep Loop Closure Detection for LiDAR SLAM based on Unbalanced Optimal Transport [8.21384946488751]
  LiDAR ポイント クラウドのループ クロージャを効果的に検出する新しい LCDNet を紹介します。 LCDNetは、共有エンコーダ、グローバルディスクリプタを抽出する場所認識ヘッド、および2つの点雲間の変換を推定する相対ポーズヘッドで構成されています。 私たちのアプローチは、逆ループを扱う場合でも、最先端の技術を大きなマージンで上回る。
  論文  参考訳（メタデータ） (2021-03-08T20:19:37Z)
• Panoramic annular SLAM with loop closure and global optimization [12.643044899544618]
  ループ閉鎖と大域最適化を備えたパノラマ環状視覚SLAMシステムであるPA-SLAMを提案する。 トラッキングフロントにはハイブリッドポイント選択戦略が展開され、キーポイントの再現性が保証される。 実世界のデータセットに関する実験は、ハイブリッドポイント選択戦略が信頼できるループクロージャ検出を可能にすることを証明している。
  論文  参考訳（メタデータ） (2021-02-26T11:22:40Z)
• FLAVR: Flow-Agnostic Video Representations for Fast Frame Interpolation [97.99012124785177]
  FLAVRは、3D空間時間の畳み込みを使用して、ビデオフレームのエンドツーエンドの学習と推論を可能にする柔軟で効率的なアーキテクチャです。 FLAVRは、アクション認識、光フロー推定、モーション拡大のための有用な自己解釈タスクとして役立つことを実証します。
  論文  参考訳（メタデータ） (2020-12-15T18:59:30Z)

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。