論文の概要: PixelLoop: Shortcut Topological Navigation with Pixel-Level Loops
- arxiv url: http://arxiv.org/abs/2607.12811v1
- Date: Tue, 14 Jul 2026 14:23:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.16962
- Title: PixelLoop: Shortcut Topological Navigation with Pixel-Level Loops
- Title（参考訳）: PixelLoop:Pixel-Levelループによるトポロジカルナビゲーションのショートカット
- Abstract要約: 我々は,ピクセル空間に直接ループクロージャを導入するPixelLoopを提案する。
SLAMの粗い画像レベルのエッジやポーズグラフ補正とは異なり、ピクセルレベルのクロージャは、密集したトポロジカルショートカットとして機能する。
実際のモバイルロボットのデプロイによって結果が検証される。
- 参考スコア（独自算出の注目度）: 4.957141148502015
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although topological mapping and navigation have been studied extensively, the specific role and downstream effect of loop closures in purely topological representations has received relatively little attention. Importantly, loop closure over topological maps is distinct from loop closure over globally referenced trajectories and metric maps. Building on recent denser topologies grounded in pixel-level, relative 3D geometry, we propose PixelLoop which introduces loop closures directly in pixel space. Unlike sparse image-level edges or pose-graph corrections in SLAM, our pixel-level closures act as dense topological shortcuts that alter planning connectivity and cost propagation rather than merely aligning coordinates. This dense connectivity enables stable any-point-to-any-point navigation and produces costmaps that align accurately with geometric shortest paths. In particular, we showcase the distinct advantage of applying loop closures to fine-grained pixel topologies rather than image-level topologies. Across extensive simulated experiments, PixelLoop achieves over 35% absolute improvement in both Success Rate and SPL compared to image-relative baselines, with the largest gains in scenarios requiring shortcut exploitation. Results are further validated through real-world mobile robot deployments, demonstrating that dense pixel-level loop closures provide a practical and robust foundation for topological visual navigation. Project Page: https://pixelloop-nav.github.io/
- Abstract（参考訳）: トポロジカルマッピングとナビゲーションは広く研究されているが、純粋なトポロジカル表現におけるループ閉鎖の役割と下流効果は比較的注目されていない。
重要なのは、トポロジカルマップ上のループ閉包は、グローバルに参照された軌跡や計量地図上のループ閉包とは異なることである。
画素レベルの相対的な3次元幾何学を基礎とした最近の高密度トポロジーに基づいて,ピクセル空間に直接ループクロージャを導入するPixelLoopを提案する。
SLAMの粗い画像レベルのエッジやポーズグラフの補正とは異なり、画素レベルのクロージャは、座標を単に整列するのではなく、計画上の接続性やコスト伝搬を変化させる、密集したトポロジカルショートカットとして機能する。
この密接な接続により、安定した任意のポイント・ツー・ア・ポイントのナビゲーションが可能になり、幾何学的最短経路と正確に整合するコストマップを生成する。
特に、画像レベルのトポロジではなく、細粒度のピクセルトポロジにループクロージャを適用するという明確な利点を示す。
大規模なシミュレーション実験を通じて、PixelLoopは、画像相対的なベースラインと比較して、成功率とSPLの両方で35%以上の絶対的な改善を実現している。
実世界の移動ロボットの展開によってさらに検証され、密度の高いピクセルレベルのループクロージャが、トポロジカルビジュアルナビゲーションの実用的で堅牢な基盤を提供することを示した。
Project Page: https://pixelloop-nav.github.io/
関連論文リスト
- Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。
独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。
Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
論文 参考訳（メタデータ） (2026-06-11T17:48:38Z) - Topological Mapping and Navigation using a Monocular Camera based on AnyLoc [0.9913418444556484]
本稿では,モノクロカメラを用いたトポロジカルマッピングとナビゲーション手法を提案する。
このシステムは単眼カメラのみに依存しており、キーノードを使用した高速マップの構築とナビゲーションを保証する。
ResNetベースの手法と比較して、このアプローチは時間と空間コストを削減しつつ、平均して60.2%の成功率を改善する。
論文 参考訳（メタデータ） (2026-01-03T04:34:48Z) - Generalized Shortest Path-based Superpixels for 3D Spherical Image Segmentation [0.254890465057467]
広視野の360o球面および全方位画像専用のSphSPSと呼ばれる新しいスーパーピクセル法を提案する。
本手法は3次元球面取得空間の幾何学を尊重し,画素とスーパーピクセル中心の間の最短経路の概念を一般化する。
最短経路を計算するために取得空間の幾何学を考えることにより,スーパーピクセルのセグメント化精度と形状規則性を両立させることができることを示す。
論文 参考訳（メタデータ） (2025-09-24T08:47:34Z) - Topograph: An efficient Graph-Based Framework for Strictly Topology Preserving Image Segmentation [78.54656076915565]
位相的正しさは多くの画像分割タスクにおいて重要な役割を果たす。
ほとんどのネットワークは、Diceのようなピクセル単位の損失関数を使って、トポロジカルな精度を無視して訓練されている。
トポロジ的に正確な画像セグメンテーションのための新しいグラフベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-05T16:20:14Z) - NavTopo: Leveraging Topological Maps For Autonomous Navigation Of a Mobile Robot [1.0550841723235613]
トポロジマップと2段階の経路計画に基づく完全なナビゲーションパイプラインを提案する。
パイプラインは、入力ポイントクラウドのニューラルネットワーク記述子と2Dプロジェクションをマッチングすることで、グラフにローカライズする。
提案手法は,大規模な室内光相対論的シミュレーション環境でテストし,一般的な計量マッピング手法であるRTAB-MAPに基づく計量地図に基づく手法と比較する。
論文 参考訳（メタデータ） (2024-10-15T10:54:49Z) - RoboHop: Segment-based Topological Map Representation for Open-World Visual Navigation [18.053914853235142]
画像セグメントに基づく新しい環境表現を提案する。
3次元シーングラフとは異なり、セグメントをノードとする純粋に位相グラフを作成する。
これはセグメント間の永続性によって定義される「場所の連続的な感覚」を明らかにする。
論文 参考訳（メタデータ） (2024-05-09T14:17:26Z) - PRISM-TopoMap: Online Topological Mapping with Place Recognition and Scan Matching [42.74395278382559]
本稿では,局所的な位置のグラフを保持するトポロジカルマッピング手法であるPRISM-TopoMapを紹介する。
提案手法は,ローカライゼーションとループ閉鎖のために,スキャンマッチングパイプラインと組み合わせて学習可能なマルチモーダル位置認識を行う。
提案手法の広範な実験的評価を,写真リアリスティックな環境と実物ロボットを用いて行い,その技術状況と比較する。
論文 参考訳（メタデータ） (2024-04-02T06:25:16Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - Pixel-Perfect Structure-from-Motion with Featuremetric Refinement [96.73365545609191]
複数視点からの低レベル画像情報を直接アライメントすることで、動きからの2つの重要なステップを洗練する。
これにより、様々なキーポイント検出器のカメラポーズとシーン形状の精度が大幅に向上する。
本システムは,大規模な画像コレクションに容易にスケールできるので,クラウドソースによる大規模なローカライゼーションを実現することができる。
論文 参考訳（メタデータ） (2021-08-18T17:58:55Z) - PointFlow: Flowing Semantics Through Points for Aerial Image
Segmentation [96.76882806139251]
本論文では,FPN(Feature Pyramid Network)フレームワークに基づく点親和性伝播モジュールであるPointFlowを提案する。
密接な親和性学習ではなく、隣接する特徴間の選択された点にスパース親和性マップを生成する。
3つの異なる空中セグメンテーションデータセットの実験結果から,提案手法は最先端の汎用セグメンテーション法よりも効率的かつ効率的であることが示唆された。
論文 参考訳（メタデータ） (2021-03-11T09:42:32Z) - AINet: Association Implantation for Superpixel Segmentation [82.21559299694555]
今回提案する新しいtextbfAssociation textbfImplantation(AI)モジュールは、ネットワークがピクセルとその周辺グリッド間の関係を明示的にキャプチャすることを可能にする。
本手法は最先端性能を実現するだけでなく,十分な推論効率を維持することができた。
論文 参考訳（メタデータ） (2021-01-26T10:40:13Z)
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。