論文の概要: OASIS-Map: Object-Level Change Detection in Multi-Session Mapping using Semantic Correspondence Matching
- arxiv url: http://arxiv.org/abs/2607.14899v1
- Date: Thu, 16 Jul 2026 12:16:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:33.091978
- Title: OASIS-Map: Object-Level Change Detection in Multi-Session Mapping using Semantic Correspondence Matching
- Title（参考訳）: OASIS-Map:意味対応マッチングを用いたマルチセッションマッピングにおけるオブジェクトレベル変化検出
- Abstract要約: 実世界の半静的環境への繰り返し訪問に一貫性のあるマップは、長期にわたるロボット検査に有用である。
既存の変化検出手法は、幾何学、カテゴリーレベルの意味論、オブジェクトの永続性を通して理にかなっている。
分割時間的に一貫したオブジェクトレベルの表現を保持するマルチセッションマッピングシステムを提案する。
- 参考スコア（独自算出の注目度）: 2.68828933665259
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Map representations which are consistent across repeated visits to a real-world semi-static environment are very useful for long-term robotic inspection. In such settings, the scene may evolve while the robot is absent, with objects appearing, disappearing, moving, or being replaced, quickly making a static map outdated. Existing change-detection methods reason through geometry, category-level semantics, or object persistence. However, achieving reliable object association across revisits remains a key challenge, especially under partial views, occlusion, and imperfect segmentation. In this work, we propose OASIS-Map, a multi-session mapping system that maintains a spatio-temporally consistent object-level map by establishing dense patch-level semantic correspondences between temporal observations. These correspondences detect where the scene has changed and incrementally associate objects across revisits as the robot re-observes the environment. We demonstrate OASIS-Map on three challenging real-world scenarios: object rearrangements in 3RScan, visually similar car replacements in a car park, and large-scale scene changes in an outdoor market. We achieve 0.783 F1 on change detection in a car replacement scenario in a car park and 0.667 F1 on moved object association in 3RScan. https://dynamic.robots.ox.ac.uk/projects/oasis-map/
- Abstract（参考訳）: 実世界の半静的環境への繰り返し訪問において一貫性のあるマップ表現は、長期にわたるロボット検査に非常に有用である。
このような設定では、ロボットがいない間にシーンが進化し、オブジェクトが出現、消失、移動、置換され、静的マップは急速に時代遅れになる。
既存の変化検出手法は、幾何学、カテゴリーレベルの意味論、オブジェクトの永続性を通して理にかなっている。
しかし、リビジット間の信頼性の高いオブジェクトアソシエーションを達成することは、特に部分的なビュー、オクルージョン、不完全なセグメンテーションにおいて重要な課題である。
本研究では,時間的観測間の密接なパッチレベルの意味対応を確立することで,時空間的に一貫したオブジェクトレベルマップを維持するマルチセッションマッピングシステムであるOASIS-Mapを提案する。
これらの対応は、シーンがどこを変えたかを検出し、ロボットが環境を再観測するときに、再訪対象を段階的に関連付ける。
OASIS-Mapは3RScanでのオブジェクト配置、駐車場での視覚的に類似した車置換、屋外市場での大規模なシーン変更の3つの挑戦的な現実シナリオを実演する。
駐車場の自動車交換シナリオにおける変化検出では0.783F1, 3RScanにおける移動物体関連では0.667F1を達成した。
https://dynamic.robots.ox.ac.uk/projects/oasis-map/
関連論文リスト
- SuperMap: A Spatio-Temporal SLAM System for Visual-Language Navigation [13.431320718523017]
言語誘導ナビゲーションのための4次元時空間マッピングフレームワークであるSuperMapを提案する。
私たちのコアコントリビューションは,3D対応インスタンスアソシエーション/ラベルリアクティベーションと,安定なオブジェクトの同一性を維持するための信頼度更新を組み合わせた,一貫性駆動型マッピングエンジンです。
SuperMapは、Vision-Language Modelsと自然に相互作用するクエリ可能な4Dシーングラフ表現を生成する。
論文 参考訳（メタデータ） (2026-08-24T07:25:14Z) - OVI-MAP:Open-Vocabulary Instance-Semantic Mapping [108.66131262110095]
OVI-MAPは、RGB-D入力から漸進的に構築される、クラスに依存しない3Dインスタンスマップである。
意味的特徴は、視覚言語モデルを用いて、選択された少数のビューからのみ抽出される。
我々のシステムはリアルタイムに動作し、標準ベンチマークで最先端のオープン語彙マッピングのベースラインを上回ります。
論文 参考訳（メタデータ） (2026-03-27T15:50:59Z) - ChangingGrounding: 3D Visual Grounding in Changing Scenes [92.00984845186679]
現実世界のロボットは自然言語からオブジェクトをローカライズするが、周囲のシーンは変化し続けている。
既存の3Dビジュアルグラウンドティング(3DVG)手法のほとんどは、再構築された最新の点雲を前提としている。
エージェントが過去の観測をいかにうまく活用できるかを明示的に測定する最初のベンチマークであるChangeingGroundingを紹介します。
論文 参考訳（メタデータ） (2025-10-16T17:59:16Z) - A Modular Robotic System for Autonomous Exploration and Semantic Updating in Large-Scale Indoor Environments [2.8252013503798907]
大規模未知環境の自律探索とセマンティック更新のためのモジュール型ロボットシステムを提案する。
本手法により,移動ロボットは,幾何学用2次元占有格子と対象意味論用トポロジカルグラフを統合したハイブリッドセマンティックマップの構築,再検討,更新を行うことができる。
論文 参考訳（メタデータ） (2024-09-23T19:25:03Z) - Memorize What Matters: Emergent Scene Decomposition from Multitraverse [54.487589469432706]
3次元ガウス写像は3次元ガウス写像をベースとしたカメラのみのオフラインマッピングフレームワークである。
3DGMは、同じ領域から複数のRGBビデオをガウスベースの環境マップに変換し、同時に2D短命なオブジェクトセグメンテーションを実行する。
We build the Mapverse benchmark, sourced from the Ithaca365 and nuPlan datasets, to evaluate our method in unsupervised 2D segmentation, 3D reconstruction, and Neural rendering。
論文 参考訳（メタデータ） (2024-05-27T14:11:17Z) - Nothing Stands Still: A Spatiotemporal Benchmark on 3D Point Cloud Registration Under Large Geometric and Temporal Change [82.31647863785923]
人工空間の3次元幾何学地図の構築は、基本的なコンピュータビジョンとロボット工学である。
Not Stands Still (NSS)ベンチマークは、大きな空間的および時間的変化を行う3Dシーンの時間的登録に焦点を当てている。
NSSの一環として,建設中または改修中の大規模建築屋内環境において,3次元点雲のデータセットを連続的に取得する。
論文 参考訳（メタデータ） (2023-11-15T20:09:29Z) - Constructing Metric-Semantic Maps using Floor Plan Priors for Long-Term
Indoor Localization [29.404446814219202]
本稿では,長期オブジェクトベースローカライゼーションを目的としたメートル法セマンティックマップ構築の課題に対処する。
モノラルなRGBフレームからの3次元物体検出,オブジェクトベースのマップ構築,および構築されたマップのグローバルなローカライズに活用する。
オフィスビルにおける地図構築を評価し,同じ環境下で9ヶ月にわたって記録された課題列に対する長期的局所化アプローチを検証した。
論文 参考訳（メタデータ） (2023-03-20T09:33:05Z) - Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。
形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
論文 参考訳（メタデータ） (2022-08-01T17:45:36Z) - PlaneSDF-based Change Detection for Long-term Dense Mapping [10.159737713094119]
我々はPlane Signed Distance Fields(PlaneSDF)と呼ばれる新しい地図表現に基づく変更検出の問題について検討する。
ソースとターゲットシーンの点群を考慮し,PlaneSDFに基づく3段階の変更検出手法を提案する。
合成と実世界の両方のデータセットに対する我々のアプローチを評価し、オブジェクト検出のタスクを通じてその効果を実証する。
論文 参考訳（メタデータ） (2022-07-18T00:19:45Z) - TSDF++: A Multi-Object Formulation for Dynamic Object Tracking and
Reconstruction [57.1209039399599]
我々は,シーン全体とその中のすべてのオブジェクトに対して,単一のボリュームを維持できるマップ表現を提案する。
複数の動的オブジェクト追跡および再構成シナリオにおいて,本表現は,近接して移動する他のオブジェクトによって一時的にオクルードされても,表面の正確な再構成を維持できる。
提案したTSDF++の定式化を公開合成データセット上で評価し,標準のTSDFマップ表現と比較した場合の閉塞面の復元性を示す。
論文 参考訳（メタデータ） (2021-05-16T16:15:05Z)
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。