論文の概要: G2IA: Geometry-Guided Instance-Aware Retrieval and Refinement for Cross-Modal Place Recognition
- arxiv url: http://arxiv.org/abs/2606.15287v1
- Date: Sat, 13 Jun 2026 12:53:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.2552
- Title: G2IA: Geometry-Guided Instance-Aware Retrieval and Refinement for Cross-Modal Place Recognition
- Title（参考訳）: G2IA:幾何誘導型インスタンス検索とクロスモーダルな位置認識のためのリファインメント
- Authors: Xianyun Jiao, Jingyi Xu, Zhongmiao Yan, Xieyuanli Chen, Lin Pei,
- Abstract要約: クロスモーダル位置認識(CMPR)により、カメラのみのロボットは、自律的なナビゲーションシナリオにおいて、事前に構築されたLiDARマップに対してローカライズすることができる。
このイメージ・ツー・ポイント・クラウド・セッティングは、2つのあいまいさ、すなわち視点RGBの外観とスパースメトリ幾何の間のモダリティギャップによって挑戦される。
画像から点までの位置認識のための幾何学誘導型インスタンス認識フレームワークであるG2IAを提案する。
- 参考スコア（独自算出の注目度）: 24.541278686912616
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cross-modal place recognition (CMPR) enables camera-only robots to localize against pre-built LiDAR maps in autonomous navigation scenarios. This image-to-point-cloud setting is challenged by two coupled ambiguities: the modality gap between perspective RGB appearance and sparse metric geometry, and perceptual aliasing among urban places with similar roads, facades, intersections, and object arrangements. Instead of treating CMPR as a single global descriptor matching problem, we argue that reliable retrieval requires both geometry-aware representation alignment and fine-grained candidate verification. In this paper, we propose G2IA, a geometry-guided instance-aware framework for image-to-point-cloud place recognition. In the retrieval stage, visual geometry priors from VGGT and instance features are integrated to construct place descriptors that are more compatible with LiDAR-derived map representations. In the refinement stage, the retrieved candidates are re-ranked by explicitly verifying whether local instance shapes and their relative spatial layouts are consistent across modalities. Experiments on public benchmarks demonstrate that G2IA consistently improves image-to-point-cloud place recognition under different localization thresholds, and exhibits strong cross-dataset generalization.
- Abstract（参考訳）: クロスモーダル位置認識(CMPR)により、カメラのみのロボットは、自律的なナビゲーションシナリオにおいて、事前に構築されたLiDARマップに対してローカライズすることができる。
このイメージ・ツー・ポイント・クラウド・セッティングは、視点RGBの外観と疎度メートル法とのモダリティ・ギャップと、類似の道路、ファサード、交差点、オブジェクト配置を持つ都市部における知覚的エイリアスという2つのアンビグメントによって挑戦される。
CMPRを1つのグローバルな記述子マッチング問題として扱う代わりに、信頼性の高い検索には幾何対応の表現アライメントときめ細かい候補検証が必要であると論じる。
本稿では,G2IAを提案する。G2IAは画像から点までの位置認識のための幾何誘導型インスタンス認識フレームワークである。
検索の段階では、VGGTとインスタンスの特徴から得られる視覚幾何学の先行情報を統合して、LiDAR由来の地図表現とより互換性のある場所記述子を構築する。
改良段階において、検索した候補は、局所的なインスタンス形状とその相対的な空間配置がモダリティ全体にわたって一貫性があるかどうかを明示的に検証して再ランク付けされる。
公開ベンチマークの実験では、G2IAは、異なるローカライゼーションしきい値の下で、画像からポイントまでのクラウド位置認識を一貫して改善し、強力なデータセット間の一般化を示す。
関連論文リスト
- CIPER: A Unified Framework for Cross-view Image-retrieval and Pose-estimation [14.612259909790454]
クロスビュージオローカライゼーションは、地上画像の位置を航空画像データベースとマッチングすることによって推定する。
既存の手法では、大規模な検索と正確なポーズ推定のいずれかによってこれに取り組むが、両方ではない。
両タスクを共同で実行する単一アーキテクチャであるCIPER(Cross-view Image-Retrieval and Pose-estimation TransformER)を提案する。
論文 参考訳（メタデータ） (2026-06-03T15:31:06Z) - GeoRouter: Dynamic Paradigm Routing for Worldwide Image Geolocalization [27.99381782234921]
ジオローカライゼーションは、地球上のどこでも撮影された画像の正確なGPS座標を予測することを目的としている。
最近の手法は主に、参照データベースとクエリを一致させる検索ベースアプローチと、座標を直接予測する生成ベースアプローチの2つのパラダイムに従う。
最適パラダイムに各クエリを適応的に割り当てる動的ルーティングフレームワークであるGeoを提案する。
論文 参考訳（メタデータ） (2026-03-25T14:56:57Z) - CLNet: Cross-View Correspondence Makes a Stronger Geo-Localizationer [48.52152634356309]
本稿では,異なるビュー間の意味的および幾何学的ギャップを明示的に橋渡しする,CLNetと呼ばれる通信対応機能改善フレームワークを提案する。
CLNetはビューアライメントプロセスを3つの学習可能な補完モジュールに分解する。
提案するCLNetは、より優れた解釈性と一般化性を提供しながら、最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-12-16T16:31:41Z) - Seeing the Unseen: Mask-Driven Positional Encoding and Strip-Convolution Context Modeling for Cross-View Object Geo-Localization [8.559240391514063]
クロスビューオブジェクトジオローカライゼーションは、クロスビューマッチングによる高精度オブジェクトローカライゼーションを可能にする。
既存の手法はキーポイントに基づく位置符号化に依存しており、オブジェクトの形状情報を無視しながら2次元座標のみをキャプチャする。
空間座標と物体シルエットの両方を捕捉するために分割マスクを利用するマスクベースの位置符号化方式を提案する。
EDGeoは、堅牢なクロスビューオブジェクトジオローカライズのためのエンドツーエンドフレームワークである。
論文 参考訳（メタデータ） (2025-10-23T06:07:07Z) - Semantic-Enhanced Cross-Modal Place Recognition for Robust Robot Localization [1.2031796234206136]
我々はSemantic-Enhanced Cross-Modal Place Recognition (SCM-PR)と呼ぶフレームワークを導入する。
SCM-PRは、RGB画像を利用した高レベルセマンティクスを組み合わせることで、LiDARマップのロバストなローカライゼーションを実現する。
KITTIとKITTI-360データセットに関する実験研究は、SCM-PRが最先端の性能を達成することを示す。
論文 参考訳（メタデータ） (2025-09-16T19:17:54Z) - GLEAM: Learning to Match and Explain in Cross-View Geo-Localization [66.11208984986813]
CVGL(Cross-View Geo-Localization)は、同じ地理的位置の異なる視点から撮影された画像間の対応を識別することに焦点を当てている。
GLEAM-Cは、UAV画像、ストリートマップ、パノラマ画像、地上写真を含む複数のビューとモダリティを衛星画像のみに合わせる基本CVGLモデルである。
従来のCVGL手法では解釈可能性の欠如に対処するため,クロスビュー対応予測と説明可能な推論を組み合わせたGLEAM-Xを提案する。
論文 参考訳（メタデータ） (2025-09-09T07:14:31Z) - VISTA: Monocular Segmentation-Based Mapping for Appearance and View-Invariant Global Localization [0.2356141385409842]
VISTAは、オープンセットで単分子的なグローバルローカライゼーションフレームワークである。
環境マップ間の幾何学的整合性を利用して参照フレームを整列させる。
季節および斜角の航空データセット上でのVISTAの評価を行い,ベースライン法よりも最大69%改善した。
論文 参考訳（メタデータ） (2025-07-15T18:38:35Z) - Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。
IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。
IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
論文 参考訳（メタデータ） (2021-03-02T08:20:08Z) - Where am I looking at? Joint Location and Orientation Estimation by
Cross-View Matching [95.64702426906466]
ジオタグ付き空中画像の大規模データベースを考えると、クロスビューなジオローカライゼーションは問題となる。
地上画像と空中画像の向きを知ることは、これらの2つのビュー間のあいまいさを著しく軽減することができる。
局所化時の横方向のアライメントを推定する動的類似マッチングネットワークを設計する。
論文 参考訳（メタデータ） (2020-05-08T05:21:16Z) - RANSAC-Flow: generic two-stage image alignment [53.11926395028508]
単純な教師なしのアプローチは、様々なタスクにおいて驚くほどうまく機能することを示す。
その単純さにもかかわらず、我々の手法は様々なタスクやデータセットで競合する結果を示す。
論文 参考訳（メタデータ） (2020-04-03T12:37:58Z)
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。