Fugu-MT 論文翻訳(概要): Passage-Aware Structural Mapping for RGB-D Visual SLAM

論文の概要: Passage-Aware Structural Mapping for RGB-D Visual SLAM

arxiv url: http://arxiv.org/abs/2604.24707v1
Date: Mon, 27 Apr 2026 17:17:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-28 17:12:08.261437
Title: Passage-Aware Structural Mapping for RGB-D Visual SLAM
Title（参考訳）: RGB-DビジュアルSLAMのためのパッセージ対応構造マッピング
Authors: Ali Tourani, Miguel Fernandez-Cortizas, Saad Ejaz, David Pérez Saura, Asier Bikandi-Noya, Jose Luis Sanchez-Lopez, Holger Voos,
Abstract要約: 本稿では,RGB-D VSLAMのためのパス対応構造マッピング手法を提案する。ドアは、壁に組み込まれた平面的なエンティティとしてモデル化され、トラバーサブルまたは非トラバーサブルに分類される。提案手法は概念実証としてvS-Graphsに統合され,そのシーングラフをパスレベルの抽象化で強化する。
参考スコア（独自算出の注目度）: 0.14446723310060386
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Doorways and passages are critical structural elements for indoor robot navigation, yet they remain underexplored in modern Visual SLAM (VSLAM) frameworks. This paper presents a passage-aware structural mapping approach for RGB-D VSLAM that detects doors and traversable openings by jointly fusing geometric, semantic, and topological cues. Doors are modeled as planar entities embedded within walls and classified as traversable or non-traversable based on their coplanarity with the supporting wall. Passages are inferred through two complementary strategies: traversal evidence accumulated from camera-wall interactions across consecutive keyframes, and geometric opening validation based on discontinuities in the mapped wall geometry. The proposed method is integrated into vS-Graphs as a proof of concept, enriching its scene graph with passage-level abstractions and improving room connectivity modeling. Qualitative evaluations on indoor office sequences demonstrate reliable doorway detection, and the framework lays the foundation for exploiting these elements in BIM-informed VSLAM. The source code is publicly available at https://github.com/snt-arg/visual_sgraphs/tree/doorway_integration.
Abstract（参考訳）: 道と通路は屋内ロボットナビゲーションにとって重要な構造要素であるが、現代のVisual SLAM (VSLAM) フレームワークでは未探索のままである。本稿では,RGB-D VSLAMにおける幾何学的,意味的,トポロジカルな手法を併用することにより,ドアやトラバース可能な開口を検知するパスアウェアな構造マッピング手法を提案する。ドアは、壁内に埋め込まれた平面的なエンティティとしてモデル化され、支持壁とのコプレーナリティに基づいて、トラバーサブルまたは非トラバーサブルに分類される。パスは、連続するキーフレーム間のカメラ-壁相互作用から蓄積されたトラバーサルエビデンスと、マッピングされた壁形状の不連続性に基づく幾何学的開口検証の2つの相補的な戦略によって推測される。提案手法は概念実証としてvS-Graphsに統合され,そのシーングラフをパスレベルの抽象化で強化し,室内接続性モデリングを改善する。室内オフィスシークエンスの質的評価は、信頼性の高いドアウェイ検出を示し、このフレームワークは、これらの要素をBIMインフォームドVSLAMで活用するための基盤となる。ソースコードはhttps://github.com/snt-arg/visual_sgraphs/tree/doorway_integrationで公開されている。

関連論文リスト

TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction [57.46712611558817]
3次元視覚基礎モデルでは、1つのフィードフォワードパスを通して、未校正画像からキー3D属性を再構成する際の強力な一般化が示されている。近年の戦略は,グローバルトランスフォーメーションの解決によって連続的な予測と整合するが,本分析では,仮定の妥当性,局所的なアライメント範囲,雑音的幾何の下でのロバスト性といった基本的な限界を明らかにしている。本研究では,グローバルに伝播する制御点を利用して空間的に異なる不整合を補正する,Tin Plate Splineに基づく高DOFおよび長期アライメントフレームワークを提案する。
論文参考訳（メタデータ） (2025-12-02T02:22:20Z)
Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation [120.23172120151821]
本稿では,事前学習した拡散モデルのバックボーンから視覚的特徴と意味的特徴を分離するための新しいアプローチを提案する。注釈付きセマンティックと視覚対応を備えた画像ペアを構築する自動パイプラインを導入する。被験者駆動画像生成における視覚的不整合を定量化する新しい指標であるビジュアルセマンティックマッチングを提案する。
論文参考訳（メタデータ） (2025-09-26T07:11:55Z)
CAGE: Continuity-Aware edGE Network Unlocks Robust Floorplan Reconstruction [24.09888364478496]
我々は,点-雲密度マップから直接ベクトルフロアプランを再構築する堅牢なフレームワークであるCAGEを提案する。 CAGEは最先端のパフォーマンスを達成し、F1スコアは99.1%(部屋)、91.7%(コーナー)、89.3%(角度)である。
論文参考訳（メタデータ） (2025-09-18T22:10:37Z)
Dynamic Cross-Modal Feature Interaction Network for Hyperspectral and LiDAR Data Classification [66.59320112015556]
ハイパースペクトル画像(HSI)とLiDARデータ共同分類は難しい課題である。 DCMNet(Dynamic Cross-Modal Feature Interaction Network)を提案する。 BSAB(Bilinear Spatial Attention Block)、BCAB(Bilinear Channel Attention Block)、ICB(Integration Convolutional Block)の3つの機能相互作用ブロックを導入している。
論文参考訳（メタデータ） (2025-03-10T05:50:13Z)
Generation of Uncertainty-Aware Emergent Concepts in Factorized 3D Scene Graphs via Graph Neural Networks [14.276364545017222]
本稿では,SLAMバックエンド内の最適要素として,オンライン空間創発概念を学習ベースで生成する手法を提案する。シミュレーションと実際の屋内シナリオの両方において,提案手法は複雑な概念検出を20.7%,5.3%,軌道推定を19.2%,地図再構成を12.3%,地図再構成を3.8%改善する。
論文参考訳（メタデータ） (2024-09-18T13:24:44Z)
Towards Localizing Structural Elements: Merging Geometrical Detection with Semantic Verification in RGB-D Data [0.0]
本稿では, 壁面や地表面などの構造成分を局所化するための実時間パイプラインについて, 純三次元平面検出のための幾何計算を統合した。並列なマルチスレッドアーキテクチャを持ち、環境中で検出されたすべての平面のポーズと方程式を正確に推定し、汎視的セグメンテーション検証を用いて地図構造を形成するものをフィルタリングし、検証された構成部品のみを保持する。また、検出されたコンポーネントを統一された3次元シーングラフに(再)関連付けることで、幾何学的精度と意味的理解のギャップを埋めることもできる。
論文参考訳（メタデータ） (2024-09-10T16:28:09Z)
Modelling Neighbor Relation in Joint Space-Time Graph for Video Correspondence Learning [53.74240452117145]
本稿では、ラベルなしビデオから信頼できる視覚対応を学習するための自己教師付き手法を提案する。接続時空間グラフでは,ノードがフレームからサンプリングされたグリッドパッチであり,2種類のエッジによってリンクされる。学習した表現は、様々な視覚的タスクにおいて最先端の自己監督手法よりも優れています。
論文参考訳（メタデータ） (2021-09-28T05:40:01Z)
Tight-Integration of Feature-Based Relocalization in Monocular Direct Visual Odometry [49.89611704653707]
本稿では,地図に基づく再局在化をオンラインビジュアル・オドメトリーに統合するためのフレームワークを提案する。我々は画像特徴をDSO(Direct Sparse Odometry)に統合し、オンライン視覚計測と以前に構築された地図を関連付ける機能マッチングに依存する。
論文参考訳（メタデータ） (2021-02-01T21:41:05Z)
Compositional Scalable Object SLAM [29.349829139625403]
室内シーンをオブジェクトのグラフとして表現し,高速でスケーラブルで高精度なSLAMシステムを提案する。ドリフトフリーで大規模屋内再構築を行うため,構成性に富んだオブジェクトマッピングの定式化が,ロバストなSLAMソリューションに適用可能であることを示す。
論文参考訳（メタデータ） (2020-11-05T04:46:25Z)
Early Bird: Loop Closures from Opposing Viewpoints for Perceptually-Aliased Indoor Environments [35.663671249819124]
本稿では,視点変化と知覚的エイリアスを同時に扱う新しい研究を提案する。本稿では,VPRとSLAMの統合により,VPRの性能向上,特徴対応,グラフサブモジュールのポーズが著しく促進されることを示す。知覚的エイリアス化や180度回転する極端な視点変化に拘わらず,最先端のパフォーマンスを実現するローカライズシステムについて初めて紹介する。
論文参考訳（メタデータ） (2020-10-03T20:18:55Z)
A Graph-based Interactive Reasoning for Human-Object Interaction Detection [71.50535113279551]
本稿では,HOIを推論するインタラクティブグラフ(Interactive Graph, in-Graph)という,グラフに基づくインタラクティブ推論モデルを提案する。 In-GraphNet と呼ばれる HOI を検出するための新しいフレームワークを構築した。私たちのフレームワークはエンドツーエンドのトレーニングが可能で、人間のポーズのような高価なアノテーションはありません。
論文参考訳（メタデータ） (2020-07-14T09:29:03Z)

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。