論文の概要: InLiER: Learning-Free Heterogeneous LiDAR Place Recognition via Intermediate Mixed-Radix Structural Keypoint Tokenization

• arxiv url: http://arxiv.org/abs/2607.16862v1
• Date: Sat, 18 Jul 2026 15:55:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.275343
• Title: InLiER: Learning-Free Heterogeneous LiDAR Place Recognition via Intermediate Mixed-Radix Structural Keypoint Tokenization
• Title（参考訳）: InLiER:中間混在型構造キーポイントトークン化による学習自由な不均一LiDAR位置認識
• Abstract要約: 中間トークン化ステップに基づく学習自由パイプラインInLiERを提案する。 InLiERはHeLiPRデータセットと実世界のフィールド実験で最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 17.209765684998427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LiDAR place recognition supports loop closure, relocalization, and multi-agent map management. As robotic platforms increasingly combine LiDARs with different fields of view, resolutions, and scanning patterns, existing descriptors degrade because they are tightly coupled to sensor-specific characteristics. We present InLiER, a learning-free pipeline based on an intermediate tokenization step. Height-sliced keypoints from structural elements receive mixed-radix token IDs encoding height, radial distance, local shape, and azimuth from local 3D geometry, in a compact sub-2KB representation. The same vocabulary is reorganized across three retrieval stages: height-ceiling histogram intersection for fast rotation-invariant shortlisting, binary bitmask alignment for yaw estimation and reranking, and token-guided geometric verification for 6-DoF pose estimation. InLiER achieves state-of-the-art performance on the HeLiPR dataset and in real-world field experiments, among modern handcrafted methods and outperforms the learning-based baseline on most cross-sensor configurations.
• Abstract（参考訳）: LiDARの位置認識はループの閉鎖、再ローカライゼーション、マルチエージェントマップ管理をサポートする。 ロボットプラットフォームは、さまざまな視野、解像度、走査パターンをLiDARと組み合わせるようになっているため、既存のディスクリプタはセンサー特有の特徴に強く結びついているため、劣化する。 中間トークン化ステップに基づく学習自由パイプラインInLiERを提案する。 構造要素からの高さスライスされたキーポイントは、局所的な3次元幾何学から高さ、半径距離、局所形状、方位を符号化した混合ラジカルトークンIDをコンパクトなサブ2KB表現で受信する。 同じ語彙は、高速回転不変ショートリストのための高さ傾きヒストグラム交叉、ヨー推定と再ランクのためのバイナリビットマスクアライメント、6-DoFポーズ推定のためのトークン誘導幾何検証の3段階にまたがって再構成される。 InLiERは、HeLiPRデータセットと実世界のフィールド実験で最先端のパフォーマンスを達成し、現代の手作り手法の中で、ほとんどのクロスセンサー構成で学習ベースラインを上回っている。

関連論文リスト

• Rethinking 3D Segmentation from Individual LiDAR Scans: Incidence-Aware Sampling on the SIP Benchmark [2.714583452862024]
  本研究では,個別LiDARスキャンにおける入射型サンプリング手法を提案する。 この方法は、ボクセルベースの選択のために幾何正規化された多様体空間を指し示す。 Point TransformerとPointNeXtによる実験では、解像度平均セグメンテーション性能が改善された。
  論文  参考訳（メタデータ） (2026-08-07T20:42:43Z)
• SCOPE: Scale-Consistent One-Pass Estimation of 3D Geometry [69.89196162649091]
  SCOPE (Scale-Consistent One-Pass Estimation of 3D Geometry) は、拡張された単眼ビデオシーケンスから3次元幾何学を推定するための新しいアプローチである。 提案手法では,アフィン不変な3次元点マップを全列に共通パラメータで生成し,一貫したスケール不変表現を実現する。
  論文  参考訳（メタデータ） (2026-06-19T10:23:25Z)
• DeepShapeMatchingKit: Accelerated Functional Map Solver and Shape Matching Pipelines Revisited [48.627686484608525]
  標準関数写像実装は、高スペクトル分解能の計算ボトルネックである k 個の独立線型系を直列に解く。 本稿では,最大33倍の高速化を達成し,すべてのシステムを単一カーネルコールで解くベクトル化再構成を提案する。 我々は、これらの改善を取り入れたオープンソースのDeepShapeMatchingKitを紹介し、共通の深部形状マッチング方法のためのトレーニング、評価、データパイプラインを標準化する。
  論文  参考訳（メタデータ） (2026-04-11T23:15:07Z)
• Towards Zero-Shot Point Cloud Registration Across Diverse Scales, Scenes, and Sensor Setups [41.033896572767496]
  ゼロショット一般化を実現するトレーニングフリー登録フレームワークであるBUFFER-Xを提案する。 提案手法は階層型マルチスケールマッチングを用いて,局所,中,大域の受容領域にまたがる対応を抽出する。 効率クリティカルなアプリケーションでは、BUFFER-X-Liteを導入し、総時間を43%削減する。
  論文  参考訳（メタデータ） (2026-01-06T06:51:24Z)
• CLRecogEye : Curriculum Learning towards exploiting convolution features for Dynamic Iris Recognition [6.450462817607078]
  アイリス特徴の豊かな空間的時間的表現を学習する新しいマッチング手法を提案する。 我々のアプローチはまず、各虹彩画像を1回転に沿って分割し、3D-CNNへの入力として機能するサブイメージ列を生成する。 この設計により、虹彩認証の堅牢で一般化可能な解が得られる。
  論文  参考訳（メタデータ） (2025-11-26T06:32:22Z)
• Exploring Efficient Open-Vocabulary Segmentation in the Remote Sensing [55.291219073365546]
  Open-Vocabulary Remote Sensing Image (OVRSIS)は、OVS(Open-Vocabulary)をリモートセンシング(RS)ドメインに適応させる新しいタスクである。 textbfRSKT-Segは、リモートセンシングに適した新しいオープン語彙セグメンテーションフレームワークである。 RSKT-Segは高いOVSベースラインを+3.8 mIoUと+5.9 mACCで上回り、効率的なアグリゲーションによって2倍高速な推論を実現している。
  論文  参考訳（メタデータ） (2025-09-15T15:24:49Z)
• Self-Supervised and Generalizable Tokenization for CLIP-Based 3D Understanding [87.68271178167373]
  凍結したCLIPバックボーンを用いたスケール不変表現学習のためのユニバーサル3Dトークン化器を提案する。 S4Tokenは、シーンスケールに関係なくセマンティックインフォームドトークンを生成するトークン化パイプラインである。
  論文  参考訳（メタデータ） (2025-05-24T18:26:30Z)
• LISNeRF Mapping: LiDAR-based Implicit Mapping via Semantic Neural Fields for Large-Scale 3D Scenes [2.822816116516042]
  大規模セマンティックマッピングは、屋外の自律エージェントが計画やナビゲーションといった高度なタスクを遂行するために不可欠である。 本稿では,提案するLiDAR測度のみでの暗黙的表現による大規模3次元意味再構築手法を提案する。
  論文  参考訳（メタデータ） (2023-11-04T03:55:38Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• DiSCO: Differentiable Scan Context with Orientation [13.797651328615347]
  そこで我々は、LiDARに基づく位置認識手法、DiSCO(diffariable Scan Context with Orientation)を提案する。 同時にスキャンを同じ場所で見つけ、相対的な向きを推定する。 DiSCOは長期の屋外条件を持つ3つのデータセットで検証される。
  論文  参考訳（メタデータ） (2020-10-21T12:38:21Z)
• MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
  本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。 マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。 本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
  論文  参考訳（メタデータ） (2020-05-15T10:37:02Z)

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。