論文の概要: SLAM Adversarial Lab: An Extensible Framework for Visual SLAM Robustness Evaluation under Adverse Conditions

• arxiv url: http://arxiv.org/abs/2603.17165v1
• Date: Tue, 17 Mar 2026 21:50:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.411383
• Title: SLAM Adversarial Lab: An Extensible Framework for Visual SLAM Robustness Evaluation under Adverse Conditions
• Title（参考訳）: SLAM Adversarial Lab: 逆条件下での視覚SLAMロバストネス評価のための拡張可能なフレームワーク
• Authors: Mohamed Hefny, Karthik Dantu, Steven Y. Ko,
• Abstract要約: SALは、各逆境条件を、既存のデータセットを逆境データセットに変換する摂動として表現する。 SALは、霧の見える化のためにメーターのような容易に解釈可能な現実世界のユニットを使用して重大度レベルをサポートする。 SALは、SLAMシステムが故障する摂動の重大度レベルを検出する探索手順を含む。
• 参考スコア（独自算出の注目度）: 8.847084650820925
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present SAL (SLAM Adversarial Lab), a modular framework for evaluating visual SLAM systems under adversarial conditions such as fog and rain. SAL represents each adversarial condition as a perturbation that transforms an existing dataset into an adversarial dataset. When transforming a dataset, SAL supports severity levels using easily-interpretable real-world units such as meters for fog visibility. SAL's extensible architecture decouples datasets, perturbations, and SLAM algorithms through common interfaces, so users can add new components without rewriting integration code. Moreover, SAL includes a search procedure that finds the severity level of a perturbation at which a SLAM system fails. To showcase the capabilities of SAL, our evaluation integrates seven SLAM algorithms and evaluates them across three datasets under weather, camera, and video transport perturbations.
• Abstract（参考訳）: SAL(SLAM Adversarial Lab)は,霧や雨などの逆条件下で視覚的SLAMシステムを評価するためのモジュラーフレームワークである。 SALは、各逆境条件を、既存のデータセットを逆境データセットに変換する摂動として表現する。 データセットを変換する場合、SALは、霧の見える化のためにメーターのような容易に解釈可能な現実世界のユニットを使用して、重大度レベルをサポートする。 SALの拡張可能なアーキテクチャは、共通のインターフェースを通じてデータセット、摂動、SLAMアルゴリズムを分離する。 さらに、SALは、SLAMシステムが故障した摂動の重大度レベルを検出する探索手順を含む。 SALの能力を示すため, 気象, カメラ, ビデオトランスポートの摂動により, 7つのSLAMアルゴリズムを統合し, これらを3つのデータセットで評価した。

関連論文リスト

• VSLAM-LAB: A Comprehensive Framework for Visual SLAM Methods and Datasets [64.57742015099531]
  VSLAM-LABは、VSLAMシステムの開発、評価、デプロイを効率化する統合フレームワークである。 VSLAMアルゴリズムのシームレスなコンパイルと構成、データセットの自動ダウンロードと前処理、標準化された実験設計、実行、評価を可能にする。
  論文  参考訳（メタデータ） (2025-04-06T12:02:19Z)
• PolSAM: Polarimetric Scattering Mechanism Informed Segment Anything Model [83.35198885088093]
  PolSARデータは、そのリッチで複雑な特徴のために、ユニークな課題を提示する。 複素数値データ、偏光特性、振幅画像などの既存のデータ表現が広く使われている。 PolSARのほとんどの機能抽出ネットワークは小さく、機能を効果的にキャプチャする能力を制限している。 本稿では,ドメイン固有の散乱特性と新規なプロンプト生成戦略を統合したSegment Anything Model (SAM) であるPolarimetric Scattering Mechanism-Informed SAM (PolSAM)を提案する。
  論文  参考訳（メタデータ） (2024-12-17T09:59:53Z)
• InCrowd-VI: A Realistic Visual-Inertial Dataset for Evaluating SLAM in Indoor Pedestrian-Rich Spaces for Human Navigation [2.184775414778289]
  InCrowd-VIは、屋内の歩行者の多い環境での人間のナビゲーションに特化したビジュアル慣性データセットである。 RGB、ステレオ画像、IMU測定など、合計5kmの軌道長と1.5時間の記録時間を含む58のシーケンスが特徴である。 このデータセットはMeta Ariaプロジェクトマシン認識SLAMサービスに由来する。
  論文  参考訳（メタデータ） (2024-11-21T17:58:07Z)
• ReCaLL: Membership Inference via Relative Conditional Log-Likelihoods [56.073335779595475]
  本稿ではReCaLL(Relative Conditional Log-Likelihood)を提案する。 実験の結果,非メンバープレフィックスの条件付きメンバーデータは,非メンバーデータと比較してログライクな傾向が著しく低下することがわかった。 我々は総合的な実験を行い、ReCaLLがWikiMIAデータセット上で最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2024-06-23T00:23:13Z)
• HDMba: Hyperspectral Remote Sensing Imagery Dehazing with State Space Model [9.42497788563994]
  ハイパースペクトルリモートセンシング画像(HSI)のヘイズは、空間的な可視性劣化とスペクトル歪みを引き起こす。 我々は、ウィンドウ内のローカル依存関係をキャプチャする新しいウィンドウ選択スキャンモジュール(WSSM)を開発した。 局所的および大域的スペクトル空間情報フローをモデル化することにより,ハジー領域の包括的解析を実現する。 Gaofen-5 HSIデータセットの実験結果から、HDMbaは他の最先端手法よりも性能が優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-09T08:53:02Z)
• 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)
• L-DAWA: Layer-wise Divergence Aware Weight Aggregation in Federated Self-Supervised Visual Representation Learning [14.888569402903562]
  自己教師付き学習(SSL)とフェデレーション付き学習(FL)をひとつのコヒーレントシステムに統合することは、データプライバシの保証を提供する可能性がある。 本稿では,FLアグリゲーションにおけるクライアントバイアスや分散の影響を軽減するため,レイヤワイド・ディバージェンス・アウェア・ウェイト・アグリゲーション(L-DAWA)と呼ばれる新たなアグリゲーション戦略を提案する。
  論文  参考訳（メタデータ） (2023-07-14T15:07:30Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• SD-DefSLAM: Semi-Direct Monocular SLAM for Deformable and Intracorporeal Scenes [2.6511518230332753]
  我々は,DefSLAM上に構築された新しい単分子変形性SLAM法であるSemi-Direct DefSLAM(SD-DefSLAM)を提案する。 SD-DefSLAMは、挑戦的なデフォーミングシーンにおけるデータアソシエーションを堅牢に解決するために、直接メソッドと間接メソッドを組み合わせる。 SD-DefSLAMは点追跡,再現精度,スケールドリフトにおいてDefSLAMより優れていた。
  論文  参考訳（メタデータ） (2020-10-19T12:07:07Z)

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。