論文の概要: Quantile Transfer for Reliable Operating Point Selection in Visual Place Recognition

• arxiv url: http://arxiv.org/abs/2602.04401v1
• Date: Wed, 04 Feb 2026 10:31:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.477318
• Title: Quantile Transfer for Reliable Operating Point Selection in Visual Place Recognition
• Title（参考訳）: 視覚的位置認識における信頼性の高い操作点選択のための量子移動
• Authors: Dhyey Manish Rajani, Michael Milford, Tobias Fischer,
• Abstract要約: 閾値は通常、特定の環境のために手動でオフラインで調整され、デプロイメント中に固定される。 本稿では,ユーザ定義の精度要件に基づき,VPRシステムの動作点を自動的に選択してリコールを最大化する手法を提案する。 複数の最先端のVPR技術とデータセットによる実験では、提案手法が一貫して最先端のVPRよりも優れていることが示されている。
• 参考スコア（独自算出の注目度）: 15.33833908429706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual Place Recognition (VPR) is a key component for localisation in GNSS-denied environments, but its performance critically depends on selecting an image matching threshold (operating point) that balances precision and recall. Thresholds are typically hand-tuned offline for a specific environment and fixed during deployment, leading to degraded performance under environmental change. We propose a method that, given a user-defined precision requirement, automatically selects the operating point of a VPR system to maximise recall. The method uses a small calibration traversal with known correspondences and transfers thresholds to deployment via quantile normalisation of similarity score distributions. This quantile transfer ensures that thresholds remain stable across calibration sizes and query subsets, making the method robust to sampling variability. Experiments with multiple state-of-the-art VPR techniques and datasets show that the proposed approach consistently outperforms the state-of-the-art, delivering up to 25% higher recall in high-precision operating regimes. The method eliminates manual tuning by adapting to new environments and generalising across operating conditions. Our code will be released upon acceptance.
• Abstract（参考訳）: 視覚的位置認識(VPR)は、GNSSが定義した環境におけるローカライゼーションの鍵となる要素であるが、その性能は精度とリコールのバランスをとる画像マッチングしきい値(操作点)の選択に大きく依存する。 閾値は通常、特定の環境のために手動でオフラインで調整され、デプロイメント中に固定される。 本稿では,ユーザ定義の精度要件に基づき,VPRシステムの動作点を自動的に選択してリコールを最大化する手法を提案する。 この方法は、既知の対応を持つ小さなキャリブレーショントラバーサルを使用し、類似度スコア分布の量子正規化を通じて、閾値を配置に転送する。 この量子移動により、キャリブレーションサイズやクエリサブセットでしきい値が安定であることを保証する。 複数の最先端のVPR技術とデータセットによる実験では、提案されたアプローチが常に最先端の手法よりも優れており、高精度な運用システムでは最大25%高いリコールを実現することが示されている。 この方法は、新しい環境に適応し、動作条件をまたいで一般化することで手動チューニングを除去する。 私たちのコードは受け入れ次第解放されます。

関連論文リスト

• AdaptNC: Adaptive Nonconformity Scores for Uncertainty-Aware Autonomous Systems in Dynamic Environments [7.201566646241765]
  コンフォーマル予測法は、コンフォーマル閾値を適応的にスケーリングすることで目標範囲を維持する。 この固定幾何は, 環境が構造変化を起こすと, 極めて保守的で, 容積非効率な予測領域につながることを示す。 非整合スコアパラメータと整合しきい値の両方をオンライン化するためのフレームワークである textbfAdaptNC を提案する。
  論文  参考訳（メタデータ） (2026-02-02T04:41:35Z)
• Through the Lens of Doubt: Robust and Efficient Uncertainty Estimation for Visual Place Recognition [11.33609434801822]
  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。
  論文  参考訳（メタデータ） (2025-10-15T12:12:55Z)
• PIXEL: Adaptive Steering Via Position-wise Injection with eXact Estimated Levels under Subspace Calibration [17.225716209866086]
  ウェブ上での大規模言語モデル(LLM)のための位置対応型アクティベーションステアリングフレームワークを提案する。 PIXELは2つのビューからプロパティ整列部分空間を学習し、制約された幾何学的目的を通して介入強度を選択する。 PIXELは、モデル一般機能を維持しながら、属性アライメントを一貫して改善する。
  論文  参考訳（メタデータ） (2025-10-11T13:13:34Z)
• Gradient Rectification for Robust Calibration under Distribution Shift [28.962407770230882]
  ディープニューラルネットワークは、しばしば過信な予測を生成し、安全クリティカルなアプリケーションにおける信頼性を損なう。 対象とするドメイン情報にアクセスせずに動作する新しいキャリブレーションフレームワークを提案する。 本手法は, 配電時の校正性能を向上するとともに, 配電時の校正性能を向上する。
  論文  参考訳（メタデータ） (2025-08-27T12:28:26Z)
• Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
  環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。 そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。 特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-30T17:14:12Z)
• Transferable Deployment of Semantic Edge Inference Systems via Unsupervised Domain Adaption [45.92613926374766]
  ラベル付きデータサンプルを用いて特徴エンコーダ/デコーダの効率的なトレーニングにより推論精度を決定する。 センサデータと通信チャネルの分布の違いにより、新しい環境にシステムを展開すると、アノテートデータラベルのコストが高くなる可能性がある。 ラベル付きサンプルを必要とせずに,新しい環境下で高い推論精度を維持することができるセマンティックエッジ推論システム(DASEIN)のドメイン適応手法を提案する。
  論文  参考訳（メタデータ） (2025-04-16T08:50:51Z)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
  連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。 提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-19T15:34:52Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)

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。