論文の概要: Geometry-Aware Infrastructure-Anchored Denoiser for UWB Sensing and Work-Zone Reconstruction

• arxiv url: http://arxiv.org/abs/2607.05449v1
• Date: Sun, 05 Jul 2026 07:14:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.263376
• Title: Geometry-Aware Infrastructure-Anchored Denoiser for UWB Sensing and Work-Zone Reconstruction
• Title（参考訳）: UWBセンシングとワークゾーン再構築のための幾何学的インフラ対応デノイザ
• Abstract要約: 本稿では,時空間モデリングと潜時アンカー距離推定を併用した幾何学的学習フレームワークGAIAを提案する。 GAIAは、学習されたロバスト性を境界整合性再構築に向けながら、教師付きタスクとして認知する範囲を保っている。 これらの結果から,空間的コヒーレントなワークゾーン再構築への有効な道筋として,幾何認識範囲の認知が示唆された。
• 参考スコア（独自算出の注目度）: 19.641189530346335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate work-zone geometry perception is critical for intelligent transportation systems, and ultra-wideband sensing offers a low-cost approach for infrastructure-aided reconstruction. However, outdoor UWB ranging is often degraded by non-line-of-sight propagation, burst noise, and long-tail errors, which can distort downstream spatial reconstruction. We present GAIA, a geometry-aware, infrastructure-anchored learning framework that couples temporal range modeling with latent anchor-layout estimation and deterministic distance projection. GAIA preserves range denoising as the supervised task while orienting the learned distances toward boundary-consistent reconstruction. We evaluate GAIA on a real-world outdoor UWB dataset with synchronized UWB, GNSS, and IMU measurements, and further test robustness using a real-data-calibrated stress-test simulator. GAIA achieves the lowest overall range MSE and highest polygon IoU among evaluated filtering-based and learning-based baselines, reducing MSE by 18.4% and improving polygon IoU by 15.5% over PoseMLP. These results show that geometry-aware range denoising provides an effective path toward spatially coherent work-zone reconstruction.
• Abstract（参考訳）: 正確なワークゾーンの幾何学的認識はインテリジェントな輸送システムには不可欠であり、超広帯域センシングはインフラ支援の再構築に低コストなアプローチを提供する。 しかし、アウトドアUWBの範囲は、非視線伝搬、バーストノイズ、ロングテール誤差によって劣化し、下流空間の再構成を歪ませることがある。 本稿では,時空間モデリングと潜在アンカーレイアウト推定と決定論的距離予測を併用した,幾何学的,インフラストラクチャ対応の学習フレームワークであるGAIAを提案する。 GAIAは、学習した距離を境界に一貫性のある再構成に向けながら、教師付きタスクとして認知する範囲を保っている。 実データ校正型ストレステストシミュレータを用いて,実世界の屋外UWBデータセット上でGAIAを同期UWB,GNSS,IMU測定で評価し,さらにロバスト性を評価する。 GAIAは、評価されたフィルタリングベースおよび学習ベースラインの中で最も低い総合的なMSEと最高ポリゴンIoUを達成し、MSEを18.4%削減し、PoseMLPよりも15.5%改善した。 これらの結果から,空間的コヒーレントなワークゾーン再構築への有効な道筋として,幾何認識範囲の認知が示唆された。

関連論文リスト

• Marker-Constrained Pose-Graph Correction for Cross-Platform Georeferencing in GNSS-Denied Environments [0.20391237204597365]
  本稿では,CSR(Cholesteric Spherical Reflectors)から作製したカモフラージュマッチングフィデューシャルマーカーを,事前サーベイド視覚アンカーとして用いる枠組みを提案する。 アンカーは、軽量なオドメトリー軌道と高密度のRTAB-Map再構成の両方をジオレフレクションし、それらの出力を共通のLUREFフレームで表現する。 本研究は,UGVおよびUAV動作を模擬した地上および高位モーションプロファイルを用いた2回のハンドヘルド取得セッションを用いて評価する。
  論文  参考訳（メタデータ） (2026-08-17T08:52:54Z)
• FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
  FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。 ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。 ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
  論文  参考訳（メタデータ） (2026-07-13T14:10:01Z)
• Active Adversarial Perturbation-driven Associative Memory Retrieval for RGB-Event Visual Object Tracking [58.338848435042536]
  RGB-Eventトラッキングは、イベントセンサからRGB外観テクスチャと高密度時間運動キューを融合することにより、ローカライズを改善する。 現実世界のシーンは、従来のマルチモーダル融合を妨げる多様な構造的な信号劣化に悩まされる。 本稿では,RGBイベント追跡に適した階層的摂動・検索フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-24T23:34:06Z)
• V2I Work Zone Geometry Reconstruction with Pose-Conditioned UWB Range Denoising [21.96504043018849]
  本研究では,マルチアンカーUWBレンジに対するポーズ条件付き変分変分予測デノイザを提案する。 2段階のトレーニング戦略は、まず観測範囲から予測を学習し、次にNLOSの重み付けによるディナイザを微調整する。 提案手法は,NLOS重み付けの課題において,範囲精度,コーンの局在化,ワークゾーンの幾何再構成を著しく向上することを示す。
  論文  参考訳（メタデータ） (2026-05-28T01:24:26Z)
• R2AoP: Reliable and Robust Angle of Progression Estimation from Intrapartum Ultrasound [15.710380029138731]
  腹腔内超音波からの進行角(AoP)は,作業進行の客観的評価に重要である。 構造的情報分割と信頼誘導幾何モデリングを統合した信頼性とロバストなAoP推定フレームワークR2AoPを提案する。
  論文  参考訳（メタデータ） (2026-05-20T12:28:37Z)
• GeoMamba: A Geometry-driven MambaVision Framework and Dataset for Fine-grained Optical-SAR Object Retrieval [54.741349848771144]
  GeoMambaは光学SAR微細検索のための幾何学駆動フレームワークである。 GFIモジュールは、クロスモーダルな機能相互作用を強化し、構造的な事前を組み込む。 GeoMambaは既存の手法を上回り、全検索環境で63.3% mAPと77.0% Rank-1の精度を達成した。
  論文  参考訳（メタデータ） (2026-05-19T12:08:09Z)
• Sparse Gain Radio Map Reconstruction With Geometry Priors and Uncertainty-Guided Measurement Selection [13.374932423672035]
  我々は幾何学的・能動的センシングの観点からスパースゲイン無線地図の再構成について検討した。 本報告では,高密度ゲイン無線マップと空間不確実性マップをスパース計測と構造化シーン先行から共同で予測する軽量ネットワークである textbfGeoUQ-GFNet を提案する。
  論文  参考訳（メタデータ） (2026-04-07T12:23:49Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• SENDAI: A Hierarchical Sparse-measurement, EfficieNt Data AssImilation Framework [2.070436148502153]
  SENDAIは階層的なスパース測定フレームワークであり、スパースセンサー観測から全空間状態を再構築する。 SENDAIは従来のベースラインよりも185%の最大SSIM改善を実現し、最近の高周波ベースの手法よりも36%改善した。
  論文  参考訳（メタデータ） (2026-01-29T12:58:54Z)
• Towards Explicit Geometry-Reflectance Collaboration for Generalized LiDAR Segmentation in Adverse Weather [58.4718010073085]
  既存のLiDARセグメンテーションモデルは、悪天候にさらされると精度が低下することが多い。 この課題に対処する最近の手法は、気象シミュレーションやユニバーサル拡張技術によるトレーニングデータの強化に重点を置いている。 本稿では,幾何・反射性の特徴抽出を明示的に分離する新しい幾何・反射性協調フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-03T03:23:43Z)
• ACMamba: Fast Unsupervised Anomaly Detection via An Asymmetrical Consensus State Space Model [51.83639270669481]
  ハイパースペクトル画像(HSI)における教師なし異常検出は、背景から未知のターゲットを検出することを目的としている。 HSI研究は、HSIの高次元特性と高密度サンプリングベーストレーニングパラダイムにより、計算コストの急激さによって妨げられている。 計算コストを大幅に削減する非対称コンセンサス状態空間モデル(ACMamba)を提案する。
  論文  参考訳（メタデータ） (2025-04-16T05:33:42Z)
• SGCNeRF: Few-Shot Neural Rendering via Sparse Geometric Consistency Guidance [136.15885067858298]
  本研究では、空間的に一貫した幾何フィルタリング機構と周波数誘導幾何正規化戦略により強化された特徴マッチングに基づくスパース幾何正規化モジュールを提案する。 実験により, SGCNeRFは, LLFFおよびDTUにおけるPSNRの0.7dBの改善により, 優れた幾何整合性を実現し, かつFreeNeRFを超えていることが示された。
  論文  参考訳（メタデータ） (2024-04-01T08:37:57Z)

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。