論文の概要: Voronoi-based Second-order Descriptor with Whitened Metric in LiDAR Place Recognition

• arxiv url: http://arxiv.org/abs/2603.14974v1
• Date: Mon, 16 Mar 2026 08:36:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 18:28:57.806371
• Title: Voronoi-based Second-order Descriptor with Whitened Metric in LiDAR Place Recognition
• Title（参考訳）: LiDAR位置認識における白紙付きボロノイ2階ディスクリプタ
• Authors: Jaein Kim, Hee Bin Yoo, Dong-Sig Han, Byoung-Tak Zhang,
• Abstract要約: 本稿では,2次プールとボロノイ細胞からの誘導バイアスを統合することを提案する。 我々の新しいプーリング法は局所的な記述子を集約して2階行列を形成し、大域的な記述子を白くし、マハラノビス距離を暗黙的に測定する。 オックスフォード・ロボットカーとワイルドプレイスのベンチマークで行った実験により,その性能向上を実証した。
• 参考スコア（独自算出の注目度）: 21.338938947004124
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The pooling layer plays a vital role in aggregating local descriptors into the metrizable global descriptor in the LiDAR Place Recognition (LPR). In particular, the second-order pooling is capable of capturing higher-order interactions among local descriptors. However, its existing methods in the LPR adhere to conventional implementations and post-normalization, and incur the descriptor unsuitable for Euclidean distancing. Based on the recent interpretation that associates NetVLAD with the second-order statistics, we propose to integrate second-order pooling with the inductive bias from Voronoi cells. Our novel pooling method aggregates local descriptors to form the second-order matrix and whitens the global descriptor to implicitly measure the Mahalanobis distance while conserving the cluster property from Voronoi cells, addressing its numerical instability during learning with diverse techniques. We demonstrate its performance gains through the experiments conducted on the Oxford Robotcar and Wild-Places benchmarks and analyze the numerical effect of the proposed whitening algorithm.
• Abstract（参考訳）: プール層は、LiDAR Place Recognition (LPR) において、局所的な記述子を記憶可能なグローバルな記述子に集約する上で重要な役割を担っている。 特に2階のプーリングは、局所的な記述子間の高階の相互作用を捉えることができる。 しかし、LPRの既存の手法は従来の実装とポスト正規化に従順であり、ユークリッドのディスタンシングには適さない記述子を生成する。 本稿では,NetVLADと2次統計を関連付ける最近の解釈に基づいて,2次プールとボロノイセルの誘導バイアスを統合することを提案する。 我々の新しいプーリング法は局所的な記述子を集約して第2次行列を形成し、グローバルな記述子を白化して、バラノビス距離を暗黙的に測定し、ボロノイ細胞からのクラスター特性を保存し、多様な手法で学習する際の数値的不安定性に対処する。 本研究は,オックスフォード・ロボットカー・アンド・ワイルド・プレイス・ベンチマークで行った実験により,その性能向上を実証し,提案したホワイトニングアルゴリズムの数値効果を解析する。

関連論文リスト

• NILC: Discovering New Intents with LLM-assisted Clustering [15.077590298929719]
  新しい意図発見(NID)は、ラベルなしのユーザ発話から、新しい意図と既知の意図の両方を認識することを目指している。 本報告では,NIDに特化して機能する新しいクラスタリングフレームワークであるNILCを提案する。
  論文  参考訳（メタデータ） (2025-11-08T08:18:44Z)
• GP-FL: Model-Based Hessian Estimation for Second-Order Over-the-Air Federated Learning [52.295563400314094]
  2次法は学習アルゴリズムの収束率を改善するために広く採用されている。 本稿では,無線チャネルに適した新しい2次FLフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-05T04:27:41Z)
• A Deeper Look into Second-Order Feature Aggregation for LiDAR Place Recognition [4.358456799125694]
  LiDAR Place Recognition (LPR)は、高密度なポイントワイズ機能をコンパクトなグローバルディスクリプタに圧縮する。 GeMやNetVLADのような一階アグリゲータは広く使われているが、二階アグリゲータが自然に捉える特徴間の相関を見落としている。 Channel Partition-based Second-order Local Feature Aggregation (CPS)は、ドロップイン、パーティションベースの2階アグリゲーションモジュールである。
  論文  参考訳（メタデータ） (2024-09-24T09:40:22Z)
• Unleash LLMs Potential for Recommendation by Coordinating Twin-Tower Dynamic Semantic Token Generator [60.07198935747619]
  動的セマンティック・インデックス・パラダイムを採用した最初の生成型RSであるTTDS(Twin-Tower Dynamic Semantic Recommender)を提案する。 より具体的には、ツイン・トワー・セマンティック・トークン・ジェネレータをLLMベースのレコメンデータに統合する動的知識融合フレームワークを初めて提案する。 提案したTTDSレコメンデータは,平均19.41%のヒットレート,20.84%のNDCG測定値を実現している。
  論文  参考訳（メタデータ） (2024-09-14T01:45:04Z)
• Mode-wise Principal Subspace Pursuit and Matrix Spiked Covariance Model [13.082805815235975]
  行列データに対して行次元と列次元の両方に隠れたバリエーションを抽出するために,モードワイド・プリンシパル・サブスペース・スーツ (MOP-UP) と呼ばれる新しいフレームワークを導入する。 提案フレームワークの有効性と実用性は、シミュレーションと実データの両方の実験を通して実証される。
  論文  参考訳（メタデータ） (2023-07-02T13:59:47Z)
• Hyperspectral Target Detection Based on Low-Rank Background Subspace Learning and Graph Laplacian Regularization [2.9626402880497267]
  ハイパースペクトル目標検出は、スペクトル特性に基づく薄暗い物体や小さな物体の発見に有効である。 既存の表現に基づく手法は、未知の背景辞書の問題によって妨げられる。 本稿では低ランク表現(LRR)とグラフラプラシア正規化(GLR)に基づく効率的な最適化手法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T13:51:08Z)
• Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
  本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。 6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-21T01:47:17Z)
• Unveiling the Potential of Structure-Preserving for Weakly Supervised Object Localization [71.79436685992128]
  本稿では,WSOLの畳み込み機能に組み込まれた構造情報を完全に活用するための2段階構造保存アクティベーション(SPA)を提案する。 第1段階では、分類ネットワークによって引き起こされる構造ミス問題を軽減するために制限アクティベーションモジュール(ram)が設計されている。 第2段階では, 自己相関マップ生成(SCG)モジュールと呼ばれるプロセス後アプローチを提案し, 構造保存ローカライゼーションマップを得る。
  論文  参考訳（メタデータ） (2021-03-08T03:04:14Z)
• Conjoined Dirichlet Process [63.89763375457853]
  我々はディリクレ過程に基づく新しい非パラメトリック確率的ビクラスタリング法を開発し、列と列の双方に強い共起を持つビクラスタを同定する。 本手法はテキストマイニングと遺伝子発現解析の2つの異なる応用に適用し,既存の手法に比べて多くの設定でビクラスタ抽出を改善することを示す。
  論文  参考訳（メタデータ） (2020-02-08T19:41:23Z)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

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。