論文の概要: Reference-Induced Consensus for Selective Posed-Reference Visual Localization

• arxiv url: http://arxiv.org/abs/2607.04722v1
• Date: Mon, 06 Jul 2026 06:48:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.064567
• Title: Reference-Induced Consensus for Selective Posed-Reference Visual Localization
• Title（参考訳）: 参照誘起コンセンサスによる選択型 Posed-Reference 視覚像定位
• Abstract要約: RIC-Locは、シーントレーニングなしのポーズ参照ローカライザである。 主推定器では、SfM-point-map-freeである。
• 参考スコア（独自算出の注目度）: 11.166886974945806
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present RIC-Loc (Reference-Induced Consensus localization), a scene-training-free posed-reference localizer that is SfM-point-map-free in its main estimator: it uses known reference poses, but not precomputed SfM 3D map points, query-to-map 2D-3D matches, or query-to-map PnP. A frozen VGGT pass predicts local camera poses, depth, and query-reference tracks for a query and selected references. Each reference induces one map-frame SE(3) query-pose hypothesis, robust consensus estimates the pose, and the preserved hypothesis structure yields two reliability scores: spatial dispersion and a track-conditioned covariance score. On the covariance-eligible set, the two scores are complementary for held-out, ground-truth-free failure detection across indoor, outdoor, and large-scale low-texture benchmarks: the joint policy is strongest in textured scenes and the covariance score in the low-texture regime, and the hypothesis-derived scores consistently outperform the standard retrieval-score gap and random rankings. Without per-scene training the consensus estimator remains accurate -- competitive with structure-based localization indoors and improving over a comparable feed-forward baseline -- giving an effective selective operating regime for posed-reference localization. Code is available at https://github.com/SNU-DLLAB/ric_loc.
• Abstract（参考訳）: RIC-Loc (Reference-induced Consensus Localization, RIC-Loc) は,SfM-point-map-freeを主推定器に有するシーン学習自由な擬似参照ローカライザであり,事前計算されたSfM 3Dマップポイント,クエリ・ツー・マップ2D-3Dマッチ,クエリ・ツー・マップPnPを用いていない。 凍結されたVGGTパスは、クエリと選択された参照のためのローカルカメラのポーズ、深さ、クエリ参照トラックを予測する。 各参照は、1つのマップフレームSE(3)クエリー目的仮説を導き、ロバストなコンセンサスによりポーズを推定し、保存された仮説構造は空間分散とトラック条件の共分散スコアの2つの信頼性スコアを得る。 共分散許容セットでは,2つのスコアは,室内,屋外,大規模の低テクスチャベンチマークにおいて,ホールトアウト,地味無故障検出に相補的であり,共同ポリシはテクスチャ化されたシーンで,低テクスチャ状態では共分散スコアで,仮説由来スコアは標準検索スコアギャップとランダムランキングで一貫して上回っている。 シーンごとのトレーニングがなければ、コンセンサス推定器は正確であり、屋内での構造に基づくローカライゼーションと競合し、フィードフォワードベースラインに匹敵する改善を施す。 コードはhttps://github.com/SNU-DLLAB/ric_locで入手できる。

関連論文リスト

• Bridging Network Psychometrics and Artificial Intelligence: An Ising-Potts Model with LLM-Derived Weights [0.40611352512781873]
  レーティングとカテゴリーラベルの合意指標を用いたラターイジングポッツモデルを提案する。 我々は,K=14,466の短い回答を3段階のルーブリックと2つのAERAエッセイのコーパスに散らばった3つの構成応答データセットについて,約1,200-1,400の応答を4点のルーブリックに提案した。
  論文  参考訳（メタデータ） (2026-09-08T14:26:19Z)
• Back to the Feature: Zero-Shot 6DoF Pose Estimation via Dense Local Features [0.0]
  RGB画像から見えない物体の6DoFポーズ推定のための訓練不要ゼロショット法であるB2oseを提案する。 B2oseは、タスク固有の微調整なしで、合成と現実のドメインギャップをまたいで一般化する、密集したパッチレベルの特徴を抽出する。 BOPベンチマークの7つのコアデータセットでは、B2oseは改善のない40.7の平均ARと56.4の洗練を実現している。
  論文  参考訳（メタデータ） (2026-09-06T16:57:27Z)
• SimFuse3D: Source-Guided Target Simulation and Confidence-Guided Multi-Stage Localization Reweighting for Cross-Platform 3D Object Detection [14.526062661334437]
  センサ高さと視点の変化は、オブジェクトレベルの点分布を変化させ、クロスプラットフォームのLiDAR非教師なし領域適応を困難にする。 そこで,SimFuse3Dを導入し,ラベル付きソーススキャンから計測した幾何を用いて,対象の配置を保存し,関連する擬似オブジェクトを修復する。
  論文  参考訳（メタデータ） (2026-09-04T08:41:56Z)
• SeqLoc: Beyond the Single Frame for Cross-View Geo-Localization in Feature-Sparse Scenes [49.30971835891526]
  OpenStreetMap (OSM) を用いたクロスビュージオローカライゼーションは、構造豊かな都市環境では良好に機能するが、農村道路のような特徴の少ないシーンでは崩壊する。 CV-FSSは5つの農村地域の連続パノラマとOSMマップの整列をペアリングするベンチマークである。 次に,3つのキーコンポーネントを持つログ信頼性ボリュームを維持するオンラインテスト時間シーケンスアグリゲーション機構であるSeqLocを提案する。
  論文  参考訳（メタデータ） (2026-08-08T00:42:23Z)
• When Do Local Score Models Extrapolate Across Size? A Diagnostic Theory and Benchmark [0.0]
  アーキテクチャの局所性だけでは、安定したサイズ外挿が保証されないことを示す。 我々はこの機構を定式化し、局所限界に対する大きさと一様の比較定理を証明した。 実験により,空間混合,平滑なスコア準局所性,およびモデル受容場間の相互作用を検証する。
  論文  参考訳（メタデータ） (2026-06-08T16:24:31Z)
• Region Matters: Efficient and Reliable Region-Aware Visual Place Recognition [46.97190804063947]
  本稿では,ロバストな識別領域モデリングと適応的再ランク付けを組み合わせたFoL++を提案する。 FoL++は、軽量なメモリフットプリントで最先端のパフォーマンスを実現し、FoLよりも推論速度を40%向上させる。
  論文  参考訳（メタデータ） (2026-04-24T09:28:35Z)
• Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
  本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。 地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。 実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
  論文  参考訳（メタデータ） (2025-09-11T18:52:16Z)
• NeuraLoc: Visual Localization in Neural Implicit Map with Dual Complementary Features [50.212836834889146]
  本稿では,補完的な特徴を持つニューラル暗黙マップに基づく,効率的で斬新な視覚的局所化手法を提案する。 具体的には、幾何学的制約を強制し、ストレージ要件を小さくするために、3Dキーポイント記述子フィールドを暗黙的に学習する。 記述子の意味的あいまいさにさらに対処するために、追加の意味的文脈的特徴体を導入する。
  論文  参考訳（メタデータ） (2025-03-08T08:04:27Z)
• CPR++: Object Localization via Single Coarse Point Supervision [55.8671776333499]
  粗い点修正(CPR)は、アルゴリズムの観点からの意味的分散を緩和する最初の試みである。 CPRは、アノテートされた最初のポイントを置き換えるために、近隣地域のセマンティックセンターポイントを選択することで意味のばらつきを減らす。 CPR++は、スケール情報を取得し、グローバル領域における意味的分散をさらに低減することができる。
  論文  参考訳（メタデータ） (2024-01-30T17:38:48Z)
• CoPR: Towards Accurate Visual Localization With Continuous Place-descriptor Regression [2.7393821783237184]
  ビジュアルプレース認識(VPR)は、ジオタグ付き参照画像のマップから最も類似した参照画像を取得することにより、クエリ画像のカメラ位置を推定する。 VPRの参照は、地図内のスパースポーズでのみ利用可能であり、最大到達可能なローカライゼーション精度の上限を強制する。 本研究では,地図の高密度化とローカライズ精度の向上を図るために,CoPR(Continuous Place-Descriptor Regression)を提案する。
  論文  参考訳（メタデータ） (2023-04-14T23:17:44Z)
• A Unified BEV Model for Joint Learning of 3D Local Features and Overlap Estimation [12.499361832561634]
  本稿では,3次元局所特徴の同時学習と重なり推定のための統合鳥眼ビュー(BEV)モデルを提案する。 提案手法は,特に重複の少ないシーンにおいて,重複予測における既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-02-28T12:01:16Z)
• Non-Local Latent Relation Distillation for Self-Adaptive 3D Human Pose Estimation [63.199549837604444]
  3次元ポーズ推定アプローチは、強い(2D/3Dポーズ)または弱い(複数ビューまたは深さ)ペアによる監督の異なる形態を利用する。 我々は3Dポーズ学習を,ラベル付きソースドメインから完全に損なわれないターゲットへのタスク知識の転送を目的とした,自己指導型適応問題として捉えた。 我々は、異なる自己適応設定を評価し、標準ベンチマークで最先端の3Dポーズ推定性能を示す。
  論文  参考訳（メタデータ） (2022-04-05T03:52:57Z)
• Location-Aware Box Reasoning for Anchor-Based Single-Shot Object Detection [19.669531374307805]
  単発物体検出器は、ボックス提案の事前選択がないため、ボックスの品質を損なう。 境界ボックスに対する位置認識型アンカーベース推論(LAAR)を提案する。 LAARは、バウンディングボックスの品質評価を考慮して、位置と分類の信頼性の両方を考慮に入れている。
  論文  参考訳（メタデータ） (2020-07-13T08:24:41Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)

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。