論文の概要: Altitude-Aware Visual Place Recognition in Top-Down View

• arxiv url: http://arxiv.org/abs/2602.23872v1
• Date: Fri, 27 Feb 2026 10:15:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-02 19:48:24.364629
• Title: Altitude-Aware Visual Place Recognition in Top-Down View
• Title（参考訳）: トップダウンビューにおける高度認識型視覚的位置認識
• Authors: Xingyu Shao, Mengfan He, Chunyu Li, Liangzheng Sun, Ziyang Meng,
• Abstract要約: 本研究では,地像密度解析と画像分類技術を組み合わせた高度適応型VPR手法を提案する。 提案手法は, 地上地形の密度を解析し, 航空機の相対高度を推定する。 我々の相対高度推定モジュールをVPR検索パイプラインに組み込むことで、それぞれ平均R@1とR@5を29.85%、60.20%向上させる。
• 参考スコア（独自算出の注目度）: 1.888468773682976
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To address the challenge of aerial visual place recognition (VPR) problem under significant altitude variations, this study proposes an altitude-adaptive VPR approach that integrates ground feature density analysis with image classification techniques. The proposed method estimates airborne platforms' relative altitude by analyzing the density of ground features in images, then applies relative altitude-based cropping to generate canonical query images, which are subsequently used in a classification-based VPR strategy for localization. Extensive experiments across diverse terrains and altitude conditions demonstrate that the proposed approach achieves high accuracy and robustness in both altitude estimation and VPR under significant altitude changes. Compared to conventional methods relying on barometric altimeters or Time-of-Flight (ToF) sensors, this solution requires no additional hardware and offers a plug-and-play solution for downstream applications, {making it suitable for small- and medium-sized airborne platforms operating in diverse environments, including rural and urban areas.} Under significant altitude variations, incorporating our relative altitude estimation module into the VPR retrieval pipeline boosts average R@1 and R@5 by 29.85\% and 60.20\%, respectively, compared with applying VPR retrieval alone. Furthermore, compared to traditional {Monocular Metric Depth Estimation (MMDE) methods}, the proposed method reduces the mean error by 202.1 m, yielding average additional improvements of 31.4\% in R@1 and 44\% in R@5. These results demonstrate that our method establishes a robust, vision-only framework for three-dimensional visual place recognition, offering a practical and scalable solution for accurate airborne platforms localization under large altitude variations and limited sensor availability.
• Abstract（参考訳）: そこで本研究では,地上特徴密度解析と画像分類技術を組み合わせた高度適応型VPR手法を提案する。 提案手法は, 地上地形の密度を解析し, 地上地形の相対高度を推定し, その後, 標準クエリー画像を生成する。 多様な地形と高度条件にわたる大規模な実験により、提案手法は高度推定とVPRの両方において高い精度とロバスト性を達成することを示した。 気圧計やToF(Time-of-Flight)センサーを利用する従来の方法と比較して、このソリューションは追加のハードウェアを必要とせず、下流のアプリケーションにプラグイン・アンド・プレイのソリューションを提供する。 以上の結果から, 相対高度推定モジュールをVPR検索パイプラインに組み込むことで, 平均R@1, R@5を29.85\%, 60.20\%引き上げることができた。 さらに,従来の<Monocular Metric Depth Estimation (MMDE) 法と比較して,平均誤差を202.1m削減し,R@1では31.4\%,R@5では44\%とした。 これらの結果から,本手法は3次元視覚的位置認識のための頑健で視覚のみの枠組みを確立し,高高度変動下での正確な空飛ぶプラットフォームローカライゼーションを実現す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

• Maritime Small Object Detection from UAVs using Deep Learning with Altitude-Aware Dynamic Tiling [2.944925363991407]
  小さい物体は、低い物体と背景のピクセル比のため、高高度から検出することが困難であることが多い。 そこで本研究では,画像をタイルに拡大・適応的に分割し,小型物体検出を高速化する高度対応動的タイリング手法を提案する。
  論文  参考訳（メタデータ） (2025-11-24T21:45:01Z)
• Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
  本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。 地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。 実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
  論文  参考訳（メタデータ） (2025-09-11T18:52:16Z)
• Baltimore Atlas: FreqWeaver Adapter for Semi-supervised Ultra-high Spatial Resolution Land Cover Classification [9.706130801069143]
  ランドカバー分類は、サブメーターリモート画像上でのランドカバータイプを特定する。 既存の手法のほとんどは1mの画像にフォーカスし、大規模なアノテーションに大きく依存している。 本稿では,大規模トレーニングデータへの依存度を低減するため,土地被覆分類フレームワークであるボルチモア・アトラスを紹介する。
  論文  参考訳（メタデータ） (2025-06-18T15:41:29Z)
• Aerial Multi-View Stereo via Adaptive Depth Range Inference and Normal Cues [38.954104931025704]
  本稿では,多視点深度推定精度を向上させるための適応深度MVS(ADR-MVS)を提案する。 ADR-MVSは、クロスアテンション離散性学習を用いて、深さと正規推定値から適応範囲マップを生成する。 実験により,ADR-MVSはWHU,LuoJia-MVS,M"unchenデータセット上で最先端の性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-06-06T01:14:55Z)
• TS-SatMVSNet: Slope Aware Height Estimation for Large-Scale Earth Terrain Multi-view Stereo [19.509863059288037]
  リモートセンシング画像による3次元地形復元は,費用対効果と大規模な地球観測を実現する。 そこで我々は,大規模リモートセンシング地形復元のための,TS-SatMVSNetというエンドツーエンドの斜面高度推定ネットワークを提案する。 MVSパイプラインに傾斜情報を完全に統合するため,マイクロレベルとマクロレベルの再現性を高めるために2つの傾斜誘導モジュールを設計した。
  論文  参考訳（メタデータ） (2025-01-02T04:18:40Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity Monocular Dense Mapping [51.739466714312805]
  ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。 ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
  論文  参考訳（メタデータ） (2024-01-06T12:32:25Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on Aerial Lidar [14.07306593230776]
  本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。 地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。 また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
  論文  参考訳（メタデータ） (2023-04-14T15:52:57Z)
• A Large Scale Homography Benchmark [52.55694707744518]
  1DSfMデータセットから10万枚の画像から約1000個の平面が観測された3D, Pi3Dの平面の大規模データセットを示す。 また,Pi3Dを利用した大規模ホモグラフィ推定ベンチマークであるHEBを提案する。
  論文  参考訳（メタデータ） (2023-02-20T14:18:09Z)

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。