論文の概要: Fusing Satellite Imagery and Planimetric Maps for Cross-View Localization

• arxiv url: http://arxiv.org/abs/2606.10166v1
• Date: Mon, 08 Jun 2026 20:52:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.188401
• Title: Fusing Satellite Imagery and Planimetric Maps for Cross-View Localization
• Title（参考訳）: 衛星画像と平面図を用いたクロスビュー・ローカライゼーション
• Authors: Quang Long Ho Ngo, Zimin Xia, Alexandre Alahi,
• Abstract要約: クロスビューのローカライゼーション手法は、主に衛星画像に空中モダリティとして依存している。 標準エンコーダを拡張した新しい融合モジュールを提案する。 その結果, 平均局所化誤差を30.13%削減した。
• 参考スコア（独自算出の注目度）: 73.13365196885216
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current cross-view localization methods predominantly rely on satellite imagery as the aerial modality. Although recent work explores planimetric maps (e.g., OpenStreetMap tiles), these approaches often lag in performance. Yet both modalities are widely available and possess complementary properties. Satellite images are closer to ground-level camera imagery, offering finer detail, whereas planimetric maps contain annotated objects (e.g., streetlamps) and remain informative in areas where the ground is occluded, such as by foliage. Despite this, only one prior work provides an end-to-end method to fuse the two modalities, and it does not demonstrate their potential within state-of-the-art methods. To combine the strengths of both modalities, we propose a new fusion module that augments standard encoders and demonstrates that integrating satellite imagery with planimetric maps improves state-of-the-art single-modality methods. The module comprises (i) cross-modal conditioning, which processes each modality's encoding with awareness of the other, and (ii) a patch-level fusion rule that controls the granularity of information exchange. We achieve state-of-the-art results, reducing the mean localization error by 30.13\%. Qualitatively, the fusion adaptively selects the more informative modality, improving overall accuracy.
• Abstract（参考訳）: 現在のクロスビューのローカライゼーション手法は、主に衛星画像に空中モダリティとして依存している。 最近の研究は計画地図(例:OpenStreetMap tiles)を探索しているが、これらのアプローチはしばしば性能が遅れている。 しかし、どちらのモダリティも広く利用でき、相補的な性質を持っている。 衛星画像は地上レベルのカメラ画像に近づき、細部が提供されるのに対し、平面地図は注釈付きオブジェクト(例えばストリートランプ)を含み、葉のような地面が隠されている地域では情報的のままである。 それにもかかわらず、2つのモダリティを融合させるエンド・ツー・エンドの手法を提供するのは1つの先行研究のみであり、最先端の手法ではその可能性を示さない。 両モードの強度を組み合わせるために,標準エンコーダを拡張した新しい融合モジュールを提案する。 モジュールは、 一 他者を意識して各モダリティのエンコーディングを処理するクロスモーダルコンディショニング (ii)情報交換の粒度を制御するパッチレベルの融合ルール。 その結果, 平均局所化誤差を30.13 %削減できることがわかった。 定性的には、融合はより情報的なモダリティを適応的に選択し、全体的な精度を向上させる。

関連論文リスト

• Fusion-CAM: Integrating Gradient and Region-Based Class Activation Maps for Robust Visual Explanations [2.537406035246369]
  モデル予測に影響を与える入力領域を可視化するために,クラス活性化マップ(CAM)法が広く採用されている。 グラディエントベースのアプローチ(Grad-CAMなど)は、クラスアクティベーションの計算によって高度に識別され、きめ細かな詳細を提供する。 地域ベースのアプローチ(例えば、Score-CAM)は、広範囲にわたる情報を集約し、オーバースムーシングのコストで広範囲のオブジェクトカバレッジをキャプチャする。 我々は、この説明的ギャップを橋渡しする新しいフレームワークであるFusion-CAMを紹介します。
  論文  参考訳（メタデータ） (2026-03-05T17:16:29Z)
• EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
  制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。 また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。 CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
  論文  参考訳（メタデータ） (2025-04-28T02:41:12Z)
• FRAME: A Modular Framework for Autonomous Map Merging: Advancements in the Field [12.247977717070773]
  本稿では,エゴセントリックなマルチロボット探査における3次元点雲マップの融合について述べる。 提案手法は、最先端の場所認識と学習記述子を利用して、地図間の重複を効率的に検出する。 提案手法の有効性は,ロボット探査の複数のフィールドミッションを通じて実証された。
  論文  参考訳（メタデータ） (2024-04-27T20:54:15Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Image-based Geolocalization by Ground-to-2.5D Map Matching [21.21416396311102]
  地上視のクエリ画像と2Dマップをマッチングするために、クロスビューのローカライゼーション技術を利用することが多い。 マルチモーダルデータから代表埋め込みを学習するための新しい手法を提案する。 本手法は,重要な幾何学的手がかりを符号化することにより,パノラマ画像と地図のマッチングのための識別的位置埋め込みを学習する。
  論文  参考訳（メタデータ） (2023-08-11T08:00:30Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust Road Extraction [110.61383502442598]
  我々は、Cross-Modal Message Propagation Network (CMMPNet)と呼ばれる新しいニューラルネットワークフレームワークを紹介する。 CMMPNetは、モダリティ固有の表現学習のための2つのディープオートエンコーダと、クロスモーダル表現洗練のためのテーラー設計のデュアルエンハンスメントモジュールで構成されている。 実世界の3つのベンチマーク実験により, CMMPNetによる堅牢な道路抽出の有効性が示された。
  論文  参考訳（メタデータ） (2021-11-30T04:30:10Z)
• Light Field Saliency Detection with Dual Local Graph Learning andReciprocative Guidance [148.9832328803202]
  我々は、グラフネットワークを介して焦点スタック内のインフォメーション融合をモデル化する。 我々は、全焦点パタンを用いて焦点スタック融合過程をガイドする新しいデュアルグラフモデルを構築した。
  論文  参考訳（メタデータ） (2021-10-02T00:54:39Z)

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。