論文の概要: Desc++: Efficient Descriptor Enhancement for Data Association in Existing Visual SLAM Systems
- arxiv url: http://arxiv.org/abs/2607.11099v1
- Date: Mon, 13 Jul 2026 05:15:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.336976
- Title: Desc++: Efficient Descriptor Enhancement for Data Association in Existing Visual SLAM Systems
- Title（参考訳）: Desc++: 既存のVisual SLAMシステムにおけるデータアソシエーションのための効率的な記述子拡張
- Abstract要約: 視覚SLAMシステムのための軽量拡張モジュールであるDesc++を提案する。
ディスクリプタ表現とキーポイント幾何学をエンコードし、空間コンテキストを集約する。
実験の結果,Desc++は最先端拡張法よりもマッチング精度が向上していることがわかった。
- 参考スコア（独自算出の注目度）: 0.09558392439655011
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reliable visual data association is fundamental to visual SLAM (V-SLAM), as it directly determines the quality of the camera pose estimation and map consistency. However, the handcrafted descriptors used by most mature real-time systems degrade under illumination and viewpoint changes, while learning-based front-ends that address this weakness typically require replacing the extraction-and-matching pipeline and introduce substantial computational overhead. Descriptor enhancement offers a compromise by refining existing descriptors within their original format, yet current methods rely on simplified attention mechanisms whose limited contextual modeling constrains the achievable matching quality. To resolve this trade-off between contextual expressiveness and efficiency, we propose Desc++, a lightweight enhancement module that jointly encodes descriptor representations and keypoint geometry and aggregates spatial context through a hybrid architecture that combines order-agnostic global attention with geometry-aware sequential modeling in linear time. The enhanced descriptors retain their original dimensionality and matching interface, enabling integration into deployed V-SLAM systems without modifying the pipeline. Experiments across descriptor matching, correspondence analysis, and system-level benchmarks with four different V-SLAM systems demonstrate that Desc++ improves matching accuracy over the state-of-the-art enhancement method, translates these gains into more accurate and stable trajectory estimation, and achieves a favorable balance between accuracy and efficiency for practical integration into existing real-time V-SLAM pipelines.
- Abstract（参考訳）: 信頼性の高い視覚データアソシエーションは視覚SLAM(V-SLAM)の基本であり、カメラのポーズ推定とマップの一貫性を直接決定する。
しかし、ほとんどの成熟したリアルタイムシステムで使われている手書き記述子は、照明や視点の変化によって劣化する一方、この弱点に対処する学習ベースのフロントエンドは、通常、抽出とマッチングパイプラインを置き換え、かなりの計算オーバーヘッドをもたらす必要がある。
ディスクリプタの強化は、既存のディスクリプタを元のフォーマットで書き換えることで妥協するが、現在の手法は、コンテキストモデリングの制限によって達成可能なマッチング品質が制限される、単純化されたアテンションメカニズムに依存している。
文脈表現性と効率のトレードオフを解決するために,デクリプタ表現とキーポイント幾何学を共同で符号化し,順序に依存しないグローバルな注意と線形時間における幾何対応シーケンシャルモデリングを組み合わせたハイブリッドアーキテクチャにより空間コンテキストを集約する軽量拡張モジュールであるDesc++を提案する。
拡張されたディスクリプタは、本来の寸法と整合性を保持し、パイプラインを変更することなく、デプロイされたV-SLAMシステムとの統合を可能にする。
4つの異なるV-SLAMシステムを用いたディスクリプタマッチング、対応解析、システムレベルのベンチマーク実験により、Desc++は最先端拡張法よりもマッチング精度を改善し、これらのゲインをより正確で安定した軌道推定に変換し、既存のリアルタイムV-SLAMパイプラインへの実用的な統合のための精度と効率のバランスを良好に達成することを示した。
関連論文リスト
- NSFlow: End-to-End Differentiable Neuro-Symbolic Optical Flow for Visual Odometry [17.880222753550733]
スパース光流は、視覚オドメトリー(VO)と視覚慣性オドメトリー(VIO)において安定したフレーム間対応を提供する
現代の回帰に基づく学習法は、複雑な場面ではより堅牢であるが、しばしば計算的に重く、明示的な幾何学的整合性が欠如している。
両パラダイムの強みを組み合わせたハイブリッド型ニューロシンボリック・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-05T13:09:10Z) - OV-DEIM: Real-time DETR-Style Open-Vocabulary Object Detection with GridSynthetic Augmentation [25.349183260609948]
我々は、最新のDEIMv2フレームワーク上に構築された、エンドツーエンドのDETRスタイルのオープンボキャブラリ検出器であるOV-DEIMを提案する。
推論速度を損なうことなく、Fixed APを改善した単純なクエリサプリメント戦略を導入する。
また、GridSyntheticは、複数のトレーニングサンプルを構造化画像グリッドに構成する、シンプルで効果的なデータ拡張戦略である。
論文 参考訳（メタデータ） (2026-03-07T03:59:47Z) - FLEX: A Backbone for Diffusion-Based Modeling of Spatio-temporal Physical Systems [51.15230303652732]
FLEX (F Low Expert) は、時間物理系の生成モデリングのためのバックボーンアーキテクチャである。
拡散モデルにおける速度場の分散を低減し、トレーニングの安定化に役立つ。
少数の特徴を2つの逆拡散ステップとして用いて、超解像および予測タスクの正確な予測を行う。
論文 参考訳（メタデータ） (2025-05-23T00:07:59Z) - VSLAM-LAB: A Comprehensive Framework for Visual SLAM Methods and Datasets [64.57742015099531]
VSLAM-LABは、VSLAMシステムの開発、評価、デプロイを効率化する統合フレームワークである。
VSLAMアルゴリズムのシームレスなコンパイルと構成、データセットの自動ダウンロードと前処理、標準化された実験設計、実行、評価を可能にする。
論文 参考訳（メタデータ） (2025-04-06T12:02:19Z) - XR-VIO: High-precision Visual Inertial Odometry with Fast Initialization for XR Applications [34.2082611110639]
本稿では,視覚慣性オドメトリー(VIO)に対する新しいアプローチとして,初期化と特徴マッチングモジュールについて述べる。
ジャイロスコープの既存の方法は、運動からの視覚構造(SfM)の安定性の低下や、膨大な数のパラメータの同時解決に悩まされることが多い。
測定値の密結合により,視覚的SfMの堅牢性と精度が向上する。
特徴マッチングに関しては,光学フローとディスクリプタベースマッチングを組み合わせたハイブリッド手法を提案する。
論文 参考訳（メタデータ） (2025-02-03T12:17:51Z) - Vector-Symbolic Architecture for Event-Based Optical Flow [18.261064372829164]
本稿では,Vector Architectures(VSA)を利用した,実効的でロバストな高次元特徴記述子を提案する。
本稿では、モデルベース(VSA-Flow)と自己教師あり学習(VSA-SM)の両方を包含した、イベントベースの光フローのための新しい特徴マッチングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-14T03:50:07Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - An Online Semantic Mapping System for Extending and Enhancing Visual
SLAM [2.538209532048867]
本稿では,2次元から3次元の物体検出パイプラインと,生成されたランドマークの高速なデータアソシエーションを用いた,移動型視覚システムのためのリアルタイムセマンティックマッピング手法を提案する。
我々のシステムは,65msの平均反復時間でリアルタイムに到達し,公開データセット上での最先端SLAMのポーズ推定を最大68%向上させることができる。
論文 参考訳（メタデータ） (2022-03-08T09:14:37Z) - ZippyPoint: Fast Interest Point Detection, Description, and Matching
through Mixed Precision Discretization [71.91942002659795]
我々は,ネットワーク量子化技術を用いて推論を高速化し,計算限定プラットフォームでの利用を可能にする。
バイナリディスクリプタを用いた効率的な量子化ネットワークZippyPointは,ネットワーク実行速度,ディスクリプタマッチング速度,3Dモデルサイズを改善する。
これらの改善は、ホモグラフィー推定、視覚的ローカライゼーション、マップフリーな視覚的再ローカライゼーションのタスクで評価されるように、小さなパフォーマンス劣化をもたらす。
論文 参考訳（メタデータ） (2022-03-07T18:59:03Z) - Real-Time Scene Text Detection with Differentiable Binarization and
Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。
本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。
アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文 参考訳（メタデータ） (2022-02-21T15:30:14Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z)
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。