論文の概要: PACE: Polar Axis-Conditioned Estimation for PairUAV Relative Localization
- arxiv url: http://arxiv.org/abs/2607.17268v1
- Date: Sun, 19 Jul 2026 14:20:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.414503
- Title: PACE: Polar Axis-Conditioned Estimation for PairUAV Relative Localization
- Title（参考訳）: PACE: PairUAV相対位置推定
- Abstract要約: PairUAV 相対ローカライゼーションは2つのUAV画像を極航法コマンドにマップする。
ヘッダとレンジは同じペアのポーズコンテキストを共有し、それらを均質な座標として扱い、両方の出力に同じデコーダエビデンスと最適化状態を使用するように強制する。
本稿では,共有されたReloc3rスタイルのペア表現を保持しながら,軸特異的な読み出しインタフェースを割り当てる手法であるPolar Axis-Conditioned Estimationを導入する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: PairUAV relative localization maps two UAV images to a polar navigation command. Although heading and range share the same pairwise pose context, treating them as homogeneous coordinates forces both outputs to use the same decoder evidence and optimization state. Controlled readout probes reveal a different structure: the two axes favor different decoder-depth combinations, their best checkpoints disagree on 80.8% of a validation trajectory, and range errors exhibit a distinct high-error tail. We introduce method, Polar Axis-Conditioned Estimation, which retains a shared Reloc3r-style pair representation while assigning axis-specific readout interfaces. Heading uses mid/late relational evidence, whereas range remains attached to a direct late metric path. On the official hidden test, the strongest released raw predictor scores 0.002460; the complementary PAAER predictor scores 0.002514 with a slightly lower angle error. Deterministic challenge packaging, reported separately from learned estimation, yields the final score of 0.001874. Code, checkpoints, predictions, and reconstruction tools are available at https://github.com/zerong7777-boop/PairUAV-PACE.
- Abstract（参考訳）: PairUAV 相対ローカライゼーションは2つのUAV画像を極航法コマンドにマップする。
方向と範囲は同じペアのポーズコンテキストを共有するが、それらを均質座標として扱うと、両方の出力が同じデコーダエビデンスと最適化状態を使用することになる。
制御された読み出しプローブは異なる構造を示す: 2つの軸は異なるデコーダとディープスの組み合わせを好んでおり、それらの最良のチェックポイントは検証軌道の80.8%に異なっており、レンジエラーは異なるハイエラーの尾を示す。
本稿では,共有されたReloc3rスタイルのペア表現を保持しながら,軸特異的な読み出しインタフェースを割り当てる手法であるPolar Axis-Conditioned Estimationを導入する。
Headingは、中後期のリレーショナルエビデンスを使用し、一方レンジは、直接的な後期メートル法パスにアタッチされている。
公式の隠れテストでは、最も強い放出された生予測器のスコアは0.002460であり、補完的なPAAER予測器のスコアは0.002514であり、角度誤差はわずかに低い。
学習した推定から別々に報告された決定論的挑戦パッケージは、最終スコア0.001874を得る。
コード、チェックポイント、予測、再構築ツールはhttps://github.com/zerong7777-boop/PairUAV-PACEで入手できる。
関連論文リスト
- A Fixed-Radius Distance-Band Benchmark for Dimensionality-Reduction Fidelity [0.0]
次元性推論(DR)法は、各点の k 近傍が 2-D 埋め込みをいかにうまく生き残るかによって、日常的に判断される。
この家族は距離の忠実さのバイアスのある尺度であると主張する。
代わりに、固定半径距離バンドShepard rhoでDR忠実度をスコアする。
論文 参考訳（メタデータ） (2026-08-22T05:12:31Z) - Beyond Field Accuracy: Two-Axis Diagnosis of Inverse-PINN Parameter Error [12.650797715748816]
逆物理情報ニューラルネットワーク(PINN)は、誤った物理パラメータを返却しながら、フィールドを正確に再構築することができる。
本稿では,有限サンプル分解能を特定観測・推定プロトコルで分離する2軸後訓練法を提案する。
論文 参考訳（メタデータ） (2026-08-15T18:54:12Z) - Semantic Drift in Bug Resolution: How Behavioral Signals Propagate from Reports to Tests and Patches [18.727291516223115]
Desc2Fixは、バグレポートのセマンティックアライメント、テストのトリガー、開発者による修正を測定するフレームワークである。
GPT-4o と DeepSeek-Chat を用いて,Defects4J と SWT-Bench の2,857 個のレポート・パッチを解析した。
論文 参考訳（メタデータ） (2026-07-20T22:32:23Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - Zoom Consistency: A Free Confidence Signal in Multi-Step Visual Grounding Pipelines [0.880899367147235]
マルチステップズームインパイプラインはGUIグラウンディングに広く利用されている。
中間出力は、無償で有用な信頼信号: ズーム一貫性を含む。
理想化条件下でのステップ1空間誤差の線形推定器であることを示す。
論文 参考訳（メタデータ） (2026-04-15T20:47:08Z) - Semiparametric conformal prediction [79.6147286161434]
ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。
スコアの累積分布関数(CDF)を柔軟に推定する。
提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Rank-DETR for High Quality Object Detection [52.82810762221516]
高性能なオブジェクト検出器は、バウンディングボックス予測の正確なランキングを必要とする。
本研究では, 簡易かつ高性能なDETR型物体検出器について, 一連のランク指向設計を提案して紹介する。
論文 参考訳（メタデータ） (2023-10-13T04:48:32Z) - Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析
本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。
我々の手法は、最先端の手法をクリアマージンで上回る。
論文 参考訳（メタデータ） (2023-07-16T16:32:14Z) - DAC: Detector-Agnostic Spatial Covariances for Deep Local Features [11.494662473750505]
現在の深部視覚特徴検出器は検出された特徴の空間的不確かさをモデル化していない。
本稿では,事前訓練したディープ特徴検出器に接続可能な2つのポストホック共分散推定法を提案する。
論文 参考訳（メタデータ） (2023-05-20T17:43:09Z) - Hausdorff Distance Matching with Adaptive Query Denoising for Rotated Detection Transformer [4.137346786534721]
両部マッチングのためのハウスドルフ距離に基づくコストを導入し、予測と基底の真理との相違をより正確に定量化する。
本稿では,2部マッチングを用いた適応型問合せ記述手法を提案し,モデル改良から抽出した雑音付き問合せを選択的に除去する。
論文 参考訳（メタデータ） (2023-05-12T16:42:54Z) - Detection Transformer with Stable Matching [48.963171068785435]
もっとも重要な設計は, 肯定的な事例の分類スコアを監督するために, 位置測定値のみを使用することである。
本原理では,DTRの分類損失とマッチングコストに位置測定値を統合することで,簡易かつ効果的な2つの修正を提案する。
12エポックおよび24エポックのトレーニング設定の下でResNet-50バックボーンを用いてCOCO検出ベンチマークで50.4および51.5APを達成する。
論文 参考訳（メタデータ） (2023-04-10T17:55:37Z) - Convolutional Cross-View Pose Estimation [9.599356978682108]
クロスビューポーズ推定のための新しいエンドツーエンド手法を提案する。
提案手法は,VIGORおよびKITTIデータセット上で検証される。
オックスフォード・ロボットカーのデータセットでは,エゴ車両の姿勢を時間とともに確実に推定することができる。
論文 参考訳（メタデータ） (2023-03-09T13:52:28Z)
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。