Fugu-MT 論文翻訳(概要): TACO: Trajectory Aligning Cross-view Optimisation

論文の概要: TACO: Trajectory Aligning Cross-view Optimisation

arxiv url: http://arxiv.org/abs/2605.03315v1
Date: Tue, 05 May 2026 03:04:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-06 19:35:43.743077
Title: TACO: Trajectory Aligning Cross-view Optimisation
Title（参考訳）: TACO: クロスビュー最適化を指向した軌道
Authors: Tavis Shore, Oscar Mendez, Simon Hadfield,
Abstract要約: クロスビュー・ジオローカライゼーションは地上画像と衛星タイルとを一致させて絶対的な位置修正を行う。近年の細粒化CVGL法は, サブタイル式メートル法を推し進めているが, ワンショットローカライザーとしてのみ評価されている。 TACOは密結合型IMU+細粒化CVGLパイプラインであり,起動時に1回の読み取りを消費し,その後,オンボードセンシングのみで動作させる。
参考スコア（独自算出の注目度）: 13.162763356411448
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Cross-View Geo-localisation (CVGL) matches ground imagery against satellite tiles to give absolute position fixes, an alternative to GNSS where signals are occluded, jammed, or spoofed. Recent fine-grained CVGL methods regress sub-tile metric pose, but have only been evaluated as one-shot localisers, never as the primary fix in a live pipeline. Inertial sensing provides high-rate relative motion, but accumulates unbounded drift without an absolute anchor. We propose TACO, a tightly-coupled IMU + fine-grained CVGL pipeline that consumes a single GNSS reading at start-up and thereafter operates on onboard sensing alone. A closed-form cross-track error model triggers CVGL before IMU drift exceeds the matcher's capture radius, and a forward-biased five-point multi-crop search keeps inference cost fixed at five forward passes per fix. A yaw-residual gate rejects fixes that disagree with the onboard compass, and an anisotropic body-frame noise model scales each Unscented Kalman Filter update by per-fix confidence. A factor graph with vetted loop closures provides an offline smoothed trajectory. On the KITTI raw dataset, TACO reduces median Absolute Trajectory Error (ATE) from 97.0m (IMU-only) to 16.3m, a 5.9 times reduction, at <0.1 ms per-frame fusion cost and a 5-10% camera duty cycle. Code is available: github.com/tavisshore/TACO.
Abstract（参考訳）: CVGL(Cross-View Geo-localisation)は、衛星タイルと地上の画像をマッチングして絶対的な位置修正を行う。近年の細粒化CVGL法では, サブタイルメータのポーズを緩和するが, ワンショットローカライザーとしてのみ評価され, ライブパイプラインの一次修正は行われていない。慣性センシングは高い速度の相対運動を与えるが、絶対アンカーを使わずに非有界ドリフトを蓄積する。 IMU+細粒化CVGLパイプラインであるTACOを提案し,起動時に単一のGNSS読み出しを消費し,その後,オンボードセンシングのみで動作させる。 IMUドリフトがマッカーの捕捉半径を超える前に、クローズドフォームのクロストラックエラーモデルがCVGLをトリガーする。ヨー残差ゲートは、オンボードコンパスに反する修正を拒絶し、異方性ボディーフレームノイズモデルは、固定毎の信頼度で各アンセントカルマンフィルタ更新をスケールする。ベットされたループ閉包を持つ因子グラフは、オフラインの滑らかな軌跡を提供する。 KITTIの生データセットでは、TACOは中央の絶対軌道誤差(ATE)を97.0m(IMUのみ)から16.3m(5.9倍)に減らし、1フレームあたり0.1ms、カメラの義務サイクルは5-10%である。コード:github.com/tavisshore/TACO。

関連論文リスト

Graph Theoretical Outlier Rejection for 4D Radar Registration in Feature-Poor Environments [0.6171990546748666]
自動車用4Dイメージングレーダーは、ほこりの多い低視界環境での運用に適している。しかし、ノイズやマルチパスリフレクションによるスキャンの間隔と急激な検出のため、登録は依然として困難である。斜線グラフ(PCM)に対するレーダ適応型ペアワイズ距離不変スコアリング関数を提案する。提案手法は,1mセグメントで29.6%,100mセグメントで最大で29.6%削減する。
論文参考訳（メタデータ） (2026-04-16T10:44:47Z)
Bayesian Learning-Enhanced Navigation with Deep Smoothing for Inertial-Aided Navigation [8.510813384980262]
BLENDSはデータ駆動のポストプロセッシングフレームワークで、トランスフォーマーベースのニューラルネットワークによって従来の2フィルタスムーズな拡張を行う。 BLENDSは、ベースライン前方EKFよりも最大63%の水平位置改善を実現している。
論文参考訳（メタデータ） (2026-03-26T12:11:59Z)
Contact-Anchored Proprioceptive Odometry for Quadruped Robots [1.5469452301122173]
本稿では、IMUと運動量測定のみを用いて身体の姿勢と速度を推定する、純粋に受容的状態推定器を提案する。閉ループ軌道を用いた4つの四足歩行プラットフォーム(3つのアストラルロボットと1つのUnitree Go2 EDU)について評価を行った。
論文参考訳（メタデータ） (2026-02-19T14:18:26Z)
Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
論文参考訳（メタデータ） (2026-02-03T23:38:05Z)
No Validation, No Problem: Predicting Model Performance from a Single Gradient [1.9336815376402718]
本稿では,1つの前方パスからの検証不要なチェックポインティング信号を提案する。 ImageNet-1k CNNとTransformers全体で、このプロキシはTop-1に強く否定的で、損失に肯定的です。
論文参考訳（メタデータ） (2026-01-23T16:30:11Z)
StraightPCF: Straight Point Cloud Filtering [50.66412286723848]
ポイントクラウドフィルタリングは、基礎となるクリーンな表面を回復しながらノイズを取り除くことを目的とした、基本的な3Dビジョンタスクである。我々は、ポイントクラウドフィルタリングのための新しいディープラーニングベースの方法であるStraightPCFを紹介する。ノイズの多い点を直線に沿って移動させることで、離散化誤差を低減し、クリーン表面への高速な収束を保証する。
論文参考訳（メタデータ） (2024-05-14T05:41:59Z)
AffineGlue: Joint Matching and Robust Estimation [74.04609046690913]
AffineGlue, 連立2視点特徴マッチングとロバストな推定法を提案する。 AffineGlueは、最小限のモデルを推定するために、1対多の対応から潜在的なマッチを選択する。ガイドマッチングはモデルと一致した一致を見つけるために使用され、1対1の一致の曖昧さに悩まされる。
論文参考訳（メタデータ） (2023-07-28T08:05:36Z)
Detection Transformer with Stable Matching [48.963171068785435]
もっとも重要な設計は, 肯定的な事例の分類スコアを監督するために, 位置測定値のみを使用することである。本原理では,DTRの分類損失とマッチングコストに位置測定値を統合することで,簡易かつ効果的な2つの修正を提案する。 12エポックおよび24エポックのトレーニング設定の下でResNet-50バックボーンを用いてCOCO検出ベンチマークで50.4および51.5APを達成する。
論文参考訳（メタデータ） (2023-04-10T17:55:37Z)
Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
論文参考訳（メタデータ） (2023-03-09T11:51:20Z)
Consistent-Teacher: Towards Reducing Inconsistent Pseudo-targets in Semi-supervised Object Detection [28.40887130075552]
擬似ターゲットは正確な検出器の訓練を損なう。生徒のトレーニングにノイズを注入し、過度な過度な問題を引き起こす。不整合を低減するために,ConsistentTeacherと呼ばれる体系的ソリューションを提案する。
論文参考訳（メタデータ） (2022-09-04T10:21:02Z)
Rate Region for Indirect Multiterminal Source Coding in Federated Learning [49.574683687858126]
多数のエッジデバイスは、ローカルモデルの各ラウンドでアップデートをエッジに送信します。既存の作品は、異なるエッジによって送信される情報の焦点を活用しない。本稿では,間接多端音源符号化 fl のレート領域について検討する。
論文参考訳（メタデータ） (2021-01-21T16:17:39Z)

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。