論文の概要: Visual Place Recognition in Forests with Depth-Aware Distillation
- arxiv url: http://arxiv.org/abs/2606.13206v1
- Date: Thu, 11 Jun 2026 11:17:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 15:55:27.752661
- Title: Visual Place Recognition in Forests with Depth-Aware Distillation
- Title（参考訳）: 深度を意識した森林における視覚的位置認識
- Authors: Walter Nedov, Saimunur Rahman, Kavindie Katuwandeniya, David Hall, Kaushik Roy, Peyman Moghadam,
- Abstract要約: 本稿では,DINOv2に基づく位置認識モデルに幾何学的手がかりを注入する,軽量な深度対応蒸留フレームワークを提案する。
最近のWildCrossベンチマークで評価すると、提案されたアプローチは外観のみのベンチマークよりも利得がある。
- 参考スコア（独自算出の注目度）: 11.751879379391632
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Visual place recognition in natural forest environments remains challenging due to repetitive vegetation, weak structural cues, and significant appearance variation across traversals. To address this limitation, this paper proposes a lightweight depth-aware distillation framework that injects geometric cues into a DINOv2-based place recognition model, while maintaining its pre-trained descriptor space. Evaluated on the recent WildCross benchmark, the proposed approach yields gains over an appearance-only counterpart, providing robustness to appearance variations. These results demonstrate the importance of depth as a strong complementary modality for place recognition in natural environments and identify depth-aware distillation as a promising direction for more robust forest perception.
- Abstract（参考訳）: 自然の森林環境における視覚的位置認識は、反復的な植生、弱い構造的手がかり、および交通路間の顕著な外観変化により、依然として困難である。
本稿では,DINOv2に基づく位置認識モデルに幾何学的キューを注入し,事前学習したディスクリプタ空間を維持しながら,この制限に対処する軽量な深度対応蒸留フレームワークを提案する。
最新のWildCrossベンチマークで評価すると、提案手法は外見のみのアプローチよりも利得があり、外見の変化に対して堅牢である。
これらの結果から, 自然環境における位置認識における深い相補的モダリティとしての深度の重要性が示され, より堅牢な森林認識のための有望な方向として深度認識蒸留が同定された。
関連論文リスト
- SA4Depth: Consistent Pose-Depth Scale Alignment for Self-Supervised Monocular Depth Estimation [76.82232244682113]
単分子配列からの自己教師付き深さ推定は、深さとポーズネットワークの合同学習に依存する。
ポーズと深度ネットによって推定されるシーンスケールのアライメントを改善するためのアプローチであるSA4Depthを紹介する。
提案手法は,学習可能な視覚的特徴を連続的フレーム間で再現するために,トレーニング中に推定した深度を用いている。
論文 参考訳（メタデータ） (2026-05-27T13:38:25Z) - UniV2D: Bridging Visual Restoration and Semantic Perception for Underwater Salient Object Detection [71.83097731030254]
視覚的回復と有能な物体検出を協調的に最適化するUnified Vision-to-Detection Network (UniV2D)を提案する。
UniV2Dは、セマンティック駆動学習パラダイムを導入している。
定量評価と定性評価の両方において最先端の手法を著しく上回る。
論文 参考訳（メタデータ） (2026-05-08T02:31:45Z) - Seurat: From Moving Points to Depth [66.65189052568209]
本研究では,2次元軌跡の空間的関係と時間的変化を調べ,相対的な深度を推定する手法を提案する。
提案手法は,様々な領域にわたる時間的スムーズかつ高精度な深度予測を実現する。
論文 参考訳（メタデータ） (2025-04-20T17:37:02Z) - ForestLPR: LiDAR Place Recognition in Forests Attentioning Multiple BEV Density Images [38.727720300337296]
本研究では,自然林におけるロバストなLiDARを用いた位置認識手法であるフォレストLPRを提案する。
異なる高さの森の地形の断面画像には、ある場所を再訪するために必要な情報が含まれている。
提案手法では,視覚変換器を共有バックボーンとして使用し,局所記述子の集合を生成する。
論文 参考訳（メタデータ） (2025-03-06T14:24:22Z) - DVP-MVS: Synergize Depth-Edge and Visibility Prior for Multi-View Stereo [8.303396507129266]
そこで我々は,DVP-MVSを提案する。DVP-MVSは,より堅牢で可視性の高いパッチ変形に先立って,奥行き整合とクロスビューを相乗化できる。
本手法は, 頑健さと一般化性に優れ, 最先端の性能を実現することができる。
論文 参考訳（メタデータ） (2024-12-16T09:09:10Z) - 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) - Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。
GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。
室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
論文 参考訳（メタデータ） (2023-07-27T01:53:57Z) - Self-Guided Instance-Aware Network for Depth Completion and Enhancement [6.319531161477912]
既存の手法では,画素ワイド画像の内容とそれに対応する近傍の深度値に基づいて,欠落した深度測定を直接補間する。
本稿では、自己誘導機構を利用して、深度復元に必要なインスタンスレベルの特徴を抽出する自己誘導型インスタンス認識ネットワーク(SG-IANet)を提案する。
論文 参考訳（メタデータ） (2021-05-25T19:41:38Z) - Adaptive confidence thresholding for monocular depth estimation [83.06265443599521]
本稿では,自己教師付ステレオマッチング法から生成されたステレオ画像の擬似地上真実深度マップを利用する新しい手法を提案する。
擬似地底深度マップの信頼度マップを推定し、不正確な擬似地底深度マップによる性能劣化を緩和する。
実験結果から, 最先端の単分子深度推定法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-09-27T13:26:16Z)
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。