論文の概要: Selectivity Drives Efficiency: Dataset Pruning for Visual Place Recognition
- arxiv url: http://arxiv.org/abs/2607.14897v1
- Date: Thu, 16 Jul 2026 12:16:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:33.091157
- Title: Selectivity Drives Efficiency: Dataset Pruning for Visual Place Recognition
- Title（参考訳）: 選択性は効率を駆動する: 視覚的位置認識のためのデータセット・プルーニング
- Abstract要約: 視覚的位置認識(VPR)に適したプレースワイズ・データセット・プルーニング・フレームワークを提案する。
本手法は,各場所を基本刈取単位として扱い,IPD(Intra-place diversity)とIPS(Inter-place similarity)の2つの新しい指標を導入する。
実験により, 提案手法は, 最先端のDPベースラインを異なるプルーニング比で連続的に上回ることを示した。
- 参考スコア（独自算出の注目度）: 52.52131290631774
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent visual place recognition (VPR) studies have increasingly relied on large-scale datasets to train more robust and discriminative models. Although this trend significantly improves recognition performance, it also introduces substantial storage and training costs, especially when new architectures or training strategies need to be repeatedly developed and evaluated. Dataset pruning (DP) provides a promising way to improve data efficiency by retaining only informative training data. However, conventional DP methods mainly follow the sample-wise classification paradigm, which overlooks the relation-dependent training nature of VPR, where supervision is typically formed by image pairs rather than independent images. To address this issue, we propose a place-wise dataset pruning framework tailored for VPR. Instead of pruning individual images, our method treats each place as the basic pruning unit and introduces two complementary novel metrics, i.e., intra-place diversity (IPD) and inter-place similarity (IPS), to evaluate the training value of each place. By jointly considering these two metrics, our method ranks all places and constructs a compact yet informative coreset, thereby allowing the pruned dataset to still support the training of robust and discriminative VPR models. Extensive experiments demonstrate that our method consistently outperforms state-of-the-art DP baselines under different pruning ratios while reducing selection and training costs. Moreover, by pruning a merged dataset roughly 3.5$\times$ the size of GSV-Cities to a comparable scale, our coreset maintains highly competitive performance, achieving 94.5\% R@1 on MSLS-val and 97.0\% R@1 on Nordland with only NetVLAD. Codes will be made publicly available.
- Abstract（参考訳）: 最近の視覚的位置認識(VPR)研究は、より堅牢で差別的なモデルをトレーニングするために、大規模なデータセットに依存している。
この傾向は認識性能を大幅に改善するが、特に新しいアーキテクチャやトレーニング戦略を繰り返し開発・評価する必要がある場合、ストレージとトレーニングコストを大幅に向上させる。
データセットプルーニング(DP)は、情報的トレーニングデータのみを保持することにより、データ効率を向上させるための有望な手段を提供する。
しかし,従来のDP手法は,VPRの関連性に依存した訓練特性を考慮し,イメージペアの監督を独立画像ではなくイメージペアで行う,サンプルワイズ分類のパラダイムに主に従っている。
この問題に対処するため,我々は,VPRに適した配置ワイド・データセット・プルーニング・フレームワークを提案する。
本手法では,各場所を基本刈り取りユニットとして扱う代わりに,各場所のトレーニング値を評価するために,IPD(Intra-place diversity)とIPS(Inter-place similarity)の2つの相補的な新しい指標を導入する。
これら2つの指標を共同で検討することにより,提案手法はすべての位置をランク付けし,コンパクトで情報に富むコアセットを構築する。
大規模実験により,提案手法は選択コストとトレーニングコストを低減しつつ,異なるプルーニング比で最先端のDPベースラインを一貫して上回ることを示した。
さらに、統合データセットを約3.5$\times$のGSV-Citiesを同等のサイズにすることで、コアセットは高い競争性能を維持し、MSLS-valでは94.5\% R@1、Norlandでは97.0\% R@1を、NetVLADだけで達成しています。
コードは公開されます。
関連論文リスト
- Plug-and-Adapt: Multimodal Coreference Resolution at First Sight with a Pretrained Alignment Model [47.811446766453834]
既存のMCR(Multi-modal Coreference Resolution)メソッドでは、適用前にターゲットデータセットからの注釈付きデータをトレーニングする必要がある。
そこで本研究では,MCRタスクの即時使用のために,慎重に事前訓練された適応モデルを戦略的に適用するプラグイン・アンド・アダプティブ手法を提案する。
論文 参考訳（メタデータ） (2026-06-16T14:04:13Z) - Selecting Samples on Graphs: A Unified Dataset Pruning Framework for Lossless Training Acceleration [71.77541419885925]
グラフベースの統合DPフレームワークを提案する。
データセットを重み付きグラフとしてモデル化することにより、DPは最大重み付き傾き問題(MWCP)としてキャストできる。
ResNet-50でImageNet-1kの精度を犠牲にすることなく、トレーニング時間を40%以上短縮する。
論文 参考訳（メタデータ） (2026-06-11T05:13:32Z) - Quality over Quantity: An Effective Large-Scale Data Reduction Strategy Based on Pointwise V-Information [2.133855532092057]
我々は、ポイントワイドV情報(PVI)に基づく効果的なデータ削減戦略を提案する。
実験の結果、データの10%から30%が削除された場合、分類器の性能は0.0001%から0.76%の精度で維持されることがわかった。
我々は,これまで英語のデータセットに限られていたPVIフレームワークを,さまざまな自然言語処理(NLP)タスクやベースモデルに適用した。
論文 参考訳（メタデータ） (2025-06-19T06:59:19Z) - SelaVPR++: Towards Seamless Adaptation of Foundation Models for Efficient Place Recognition [91.98099115144511]
近年の研究では、事前学習した視覚基盤モデルを用いた視覚的位置認識(VPR)法が有望な性能を達成できることが示されている。
本稿では,基礎モデルのVPRへのシームレスな適応を実現する新しい手法を提案する。
効率の向上と性能向上のために,SelaVPR++と呼ばれるSelaVPRの拡張を提案する。
論文 参考訳（メタデータ） (2025-02-23T15:01:09Z) - SCAN: Bootstrapping Contrastive Pre-training for Data Efficiency [10.555957282859]
本稿では,新しい動的ブートストラップ・データセット・プルーニング手法を提案する。
データ準備の後にデータセットの突然変異操作を行い、どちらも反復的な更新と動的更新を行う。
大規模画像テキストペアデータセットの7つのCLIPモデルと,ImageNetデータセットの2つのMoCoモデルを個別に事前トレーニングし,合計16の事前トレーニングモデルを得た。
論文 参考訳（メタデータ） (2024-11-14T01:53:17Z) - DANCE: Dual-View Distribution Alignment for Dataset Condensation [39.08022095906364]
我々は、データセットのコンディエンテーション(DANCE)のためのDMベースの新しいDual-view Distribution AligNmentを提案する。
具体的には、内部クラスの観点から複数の「中間エンコーダ」を構築し、擬似的な長期分布アライメントを行う。
クラス間の観点からは,分布キャリブレーションを行うために専門家モデルを用いる。
論文 参考訳（メタデータ） (2024-06-03T07:22:17Z) - EffoVPR: Effective Foundation Model Utilization for Visual Place Recognition [6.996304653818122]
本稿では,視覚的位置認識のための基礎モデルの可能性を活用するための効果的なアプローチを提案する。
ゼロショット設定であっても,自己注意層から抽出した特徴がVPRの強力な再ランカとして機能することを示す。
また,本手法は高いロバスト性および一般化を実証し,新しい最先端性能の設定を行う。
論文 参考訳（メタデータ） (2024-05-28T11:24:41Z) - Towards Seamless Adaptation of Pre-trained Models for Visual Place Recognition [72.35438297011176]
視覚的位置認識のための事前学習モデル(VPR)のシームレスな適応を実現する新しい手法を提案する。
具体的には、地域を識別するための有意義なランドマークに焦点を当てたグローバルな特徴とローカルな特徴の両方を得るために、ハイブリッド適応法を設計する。
実験結果から,本手法はトレーニングデータやトレーニング時間が少なく,最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-02-22T12:55:01Z) - Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。
ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。
マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文 参考訳（メタデータ） (2020-12-29T23:43:16Z) - Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。
我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。
そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
論文 参考訳（メタデータ） (2020-05-18T09:36:51Z)
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。