論文の概要: G-EDF-Loc: 3D Continuous Gaussian Distance Field for Robust Gradient-Based 6DoF Localization

• arxiv url: http://arxiv.org/abs/2604.04525v1
• Date: Mon, 06 Apr 2026 08:40:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.148722
• Title: G-EDF-Loc: 3D Continuous Gaussian Distance Field for Robust Gradient-Based 6DoF Localization
• Title（参考訳）: G-EDF-Loc:ロバスト勾配に基づく6DoF局所化のための3次元連続ガウス距離場
• Authors: José E. Maese, Lucía Coto-Elena, Luis Merino, Fernando Caballero,
• Abstract要約: 本稿では,直接CPUベースのスキャン・ツー・マップ登録パイプラインに基づく,ロバストな6-DoFローカライゼーションフレームワークを提案する。 このシステムは、新しい連続的でメモリ効率のよい3次元距離場表現であるG-EDFを利用する。 大規模データセットによる実験結果から,G-EDF-Locは最先端の手法と競合することを示した。
• 参考スコア（独自算出の注目度）: 41.59343412286402
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper presents a robust 6-DoF localization framework based on a direct, CPU-based scan-to-map registration pipeline. The system leverages G-EDF, a novel continuous and memory-efficient 3D distance field representation. The approach models the Euclidean Distance Field (EDF) using a Block-Sparse Gaussian Mixture Model with adaptive spatial partitioning, ensuring $C^1$ continuity across block transitions and mitigating boundary artifacts. By leveraging the analytical gradients of this continuous map, which maintain Eikonal consistency, the proposed method achieves high-fidelity spatial reconstruction and real-time localization. Experimental results on large-scale datasets demonstrate that G-EDF-Loc performs competitively against state-of-the-art methods, exhibiting exceptional resilience even under severe odometry degradation or in the complete absence of IMU priors.
• Abstract（参考訳）: 本稿では,直接CPUベースのスキャン・ツー・マップ登録パイプラインに基づく,ロバストな6-DoFローカライゼーションフレームワークを提案する。 このシステムは、新しい連続的でメモリ効率のよい3次元距離場表現であるG-EDFを利用する。 このアプローチは、適応的な空間分割を伴うブロックスパースガウス混合モデルを用いてユークリッド距離場(EDF)をモデル化し、ブロック遷移間の連続性を確保し、境界アーチファクトを緩和する。 アイコナル整合性を維持する連続写像の解析勾配を利用して, 提案手法は高忠実度空間再構成と実時間局所化を実現する。 大規模データセットを用いた実験の結果,G-EDF-Locは最先端の手法と競合し,厳密なドメトリー劣化やIMU前駆体の完全欠如の下でも例外的なレジリエンスを示すことが示された。

関連論文リスト

• TG-Field: Geometry-Aware Radiative Gaussian Fields for Tomographic Reconstruction [16.246538335191982]
  Tomography Geometry Field (TG-Field) は、CT再構成のための幾何学的なガウス変形フレームワークである。 TG-Fieldは既存の手法を常に上回り、高度にスパース・ビュー条件下で最先端の復元精度を達成する。
  論文  参考訳（メタデータ） (2026-02-12T08:33:01Z)
• PartDiffuser: Part-wise 3D Mesh Generation via Discrete Diffusion [14.879669869466072]
  PartDiffuserは、ポイント・クラウド・ツー・メッシュ生成のための新しい半自己回帰拡散フレームワークである。 PartDiffuserはDiTアーキテクチャをベースにしており、部分認識のクロスアテンション機構を導入している。 実験により, この手法は3次元メッシュの生成において, 最先端(SOTA)モデルよりもはるかに優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-24T06:11:21Z)
• Voronoi-Assisted Diffusion for Computing Unsigned Distance Fields from Unoriented Points [59.493891955043914]
  Voronoi-Assisted Diffusion (VAD) は、Unsigned Distance Fields (UDF) を計算するための軽量でネットワークフリーな方法である。 VADは水密面と開面を強く扱い、複雑な非多様体と非配向幾何学も扱う。
  論文  参考訳（メタデータ） (2025-10-14T13:49:53Z)
• Improving Geometry in Sparse-View 3DGS via Reprojection-based DoF Separation [35.17953057142724]
  最近の学習型マルチビューステレオモデルでは、スパースビュー3次元再構成における最先端性能が実証されている。 本研究では,不確実性の観点から位置対応型DoFを識別する手法として,再プロジェクションに基づくDoF分離を提案する。 ガウシアンの位置のDoFを分離し、対象とする制約を適用することで、幾何学的アーティファクトを効果的に抑制できることが示される。
  論文  参考訳（メタデータ） (2024-12-19T06:39:28Z)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• 3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
  既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。 本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。 提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
  論文  参考訳（メタデータ） (2024-11-01T12:50:38Z)
• Boundary Constraint-free Biomechanical Model-Based Surface Matching for Intraoperative Liver Deformation Correction [0.6249768559720122]
  画像ガイド下肝手術において, 3D-3D非剛性登録法は, 点雲として表される術前モデルと術中表面のマッピングを推定する上で重要な役割を担っている。 修正されたFEMを表面マッチング項に組み込んだ3D-3D非剛性登録法を提案する。
  論文  参考訳（メタデータ） (2024-03-15T02:05:20Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Learning Gradient Fields for Molecular Conformation Generation [20.378300112998637]
  分子コンフォーメーション生成という計算化学の根本的な問題について研究する。 既存の機械学習アプローチは通常、原子間の距離を予測してから、距離を満たす3D構造を生成します。 本稿では,原子座標のログ密度の勾配場を直接推定し,ConfGFという新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-09T10:30:35Z)

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。