論文の概要: Automatic Map Density Selection for Locally-Performant Visual Place Recognition

• arxiv url: http://arxiv.org/abs/2602.21473v1
• Date: Wed, 25 Feb 2026 01:03:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 18:19:16.658906
• Title: Automatic Map Density Selection for Locally-Performant Visual Place Recognition
• Title（参考訳）: 局所的な視覚的位置認識のための地図密度自動選択
• Authors: Somayeh Hussaini, Tobias Fischer, Michael Milford,
• Abstract要約: 本稿では,対象環境からの参照トラバースのペアを用いて,適切な地図密度を自動的に選択する動的VPRマッピング手法を提案する。 提案システムは,少なくともユーザによって特定された環境の割合に対して,特定ローカルリコールレベルを一貫して達成または超過することを示す。
• 参考スコア（独自算出の注目度）: 16.893170921147608
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A key challenge in translating Visual Place Recognition (VPR) from the lab to long-term deployment is ensuring a priori that a system can meet user-specified performance requirements across different parts of an environment, rather than just on average globally. A critical mechanism for controlling local VPR performance is the density of the reference mapping database, yet this factor is largely neglected in existing work, where benchmark datasets with fixed, engineering-driven (sensors, storage, GPS frequency) sampling densities are typically used. In this paper, we propose a dynamic VPR mapping approach that uses pairs of reference traverses from the target environment to automatically select an appropriate map density to satisfy two user-defined requirements: (1) a target Local Recall@1 level, and (2) the proportion of the operational environment over which this requirement must be met or exceeded, which we term the Recall Achievement Rate (RAR). Our approach is based on the hypothesis that match patterns between multiple reference traverses, evaluated across different map densities, can be modelled to predict the density required to meet these performance targets on unseen deployment data. Through extensive experiments across multiple VPR methods and the Nordland and Oxford RobotCar benchmarks, we show that our system consistently achieves or exceeds the specified local recall level over at least the user-specified proportion of the environment. Comparisons with alternative baselines demonstrate that our approach reliably selects the correct operating point in map density, avoiding unnecessary over-densification. Finally, ablation studies and analysis evaluate sensitivity to reference map choice and local space definitions, and reveal that conventional global Recall@1 is a poor predictor of the often more operationally meaningful RAR metric.
• Abstract（参考訳）: VPR(Visual Place Recognition)をラボから長期展開に翻訳する上で重要な課題は、システムが平均的にではなく、環境のさまざまな部分にまたがってユーザ指定のパフォーマンス要件を満たすことができることを保証することだ。 局所的なVPR性能を制御する重要なメカニズムは参照マッピングデータベースの密度であるが、この要因は、固定されたエンジニアリング駆動(センサー、ストレージ、GPS周波数)サンプリング密度のベンチマークデータセットが一般的に使用される既存の作業では無視されている。 本稿では,対象とする環境からの参照トラバースのペアを用いて,(1)対象のローカルリコール@1レベル,(2)この要件を満たすか超えなければならない運用環境の割合の2つの要件を満たす適切なマップ密度を自動的に選択する動的VPRマッピング手法を提案する。 我々のアプローチは、異なるマップ密度で評価された複数の参照トラバース間のパターンを一致させて、これらのパフォーマンス目標を満たすために必要な密度を、目に見えないデプロイメントデータに基づいて予測できるという仮説に基づいている。 複数のVPR手法とOxford RobotCarベンチマークの広範な実験を通して、我々のシステムは、少なくともユーザの特定した環境の割合よりも、特定のローカルリコールレベルを一貫して達成または超えることを示す。 代替ベースラインとの比較により,本手法は地図密度の正しい操作点を確実に選択し,不要な過剰な過密化を回避できることが示されている。 最後に、アブレーション研究と分析は、参照マップの選択と局所空間定義に対する感度を評価し、従来のグローバルリコール@1は、しばしばより運用的に意味のあるRARメトリックの予測に弱いことを明らかにした。

関連論文リスト

• Quantile Transfer for Reliable Operating Point Selection in Visual Place Recognition [15.33833908429706]
  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。
  論文  参考訳（メタデータ） (2026-02-04T10:31:29Z)
• 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)
• PRISM-Loc: a Lightweight Long-range LiDAR Localization in Urban Environments with Topological Maps [0.8009940044669193]
  大規模環境における局所化のためのトポロジカルマップに基づくアプローチであるPRISM-Locを提案する。 提案手法では、グローバルな位置認識と、検出された位置内の局所的なポーズの推定からなる2倍の局所化パイプラインを利用する。 提案手法をITLP-Campusデータセット上で3kmの経路で評価し,最先端のメートル法と位置認識方式の競合とを比較した。
  論文  参考訳（メタデータ） (2025-06-18T19:59:50Z)
• GEOBench-VLM: Benchmarking Vision-Language Models for Geospatial Tasks [84.86699025256705]
  本稿では,地理空間的タスクの視覚言語モデル(VLM)を評価するためのベンチマークであるGEOBench-VLMを提案する。 私たちのベンチマークでは、手動で検証された命令が1万以上あり、さまざまな視覚条件、オブジェクトタイプ、スケールにまたがっています。 地理空間固有の課題における性能を評価するために,いくつかの最先端のVLMを評価した。
  論文  参考訳（メタデータ） (2024-11-28T18:59:56Z)
• Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
  本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。 バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。 ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-25T13:22:17Z)
• Learning Classifiers of Prototypes and Reciprocal Points for Universal Domain Adaptation [79.62038105814658]
  Universal Domainは、ドメインシフトとカテゴリシフトという2つのシフトを処理して、データセット間で知識を転送することを目的としている。 主な課題は、既知のクラス知識の分布をソースからターゲットに適応させながら、未知のターゲットサンプルを正しく識別することである。 既存のほとんどの手法は、まずターゲットが適応した既知の知識を訓練し、次に未知のターゲットサンプルを識別するために単一のしきい値に依存することでこの問題に対処する。
  論文  参考訳（メタデータ） (2022-12-16T09:01:57Z)
• Rethinking Counting and Localization in Crowds:A Purely Point-Based Framework [59.578339075658995]
  そこで本稿では,共同クラウドカウントと個別ローカライゼーションのための純粋にポイントベースのフレームワークを提案する。 我々は、P2PNet(Point to Point Network)と呼ばれる、このフレームワークの下で直感的なソリューションを設計する。
  論文  参考訳（メタデータ） (2021-07-27T11:41:50Z)
• A Hierarchical Dual Model of Environment- and Place-Specific Utility for Visual Place Recognition [26.845945347572446]
  視覚的位置認識(VPR)のための2つの重要なユーティリティを推定する新しい手法を提案する。 本稿では,Vactor of Locally Aggregated Descriptors(VLAD)クラスタの環境特性と場所特性の両方を推定するために,対照的な学習原理を用いる。 これら2つのユーティリティ指標を組み合わせることで、3つの挑戦的なベンチマークデータセットに対して最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-07-06T07:38:47Z)
• DiSCO: Differentiable Scan Context with Orientation [13.797651328615347]
  そこで我々は、LiDARに基づく位置認識手法、DiSCO(diffariable Scan Context with Orientation)を提案する。 同時にスキャンを同じ場所で見つけ、相対的な向きを推定する。 DiSCOは長期の屋外条件を持つ3つのデータセットで検証される。
  論文  参考訳（メタデータ） (2020-10-21T12:38:21Z)
• Scope Head for Accurate Localization in Object Detection [135.9979405835606]
  本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。 我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
  論文  参考訳（メタデータ） (2020-05-11T04:00:09Z)

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。