論文の概要: Leveraging Semantic Maps for City-Scale Cross-View Localization

• arxiv url: http://arxiv.org/abs/2607.25215v1
• Date: Tue, 28 Jul 2026 02:44:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.684022
• Title: Leveraging Semantic Maps for City-Scale Cross-View Localization
• Title（参考訳）: 都市規模のクロスビューローカライゼーションのためのセマンティックマップの活用
• Abstract要約: ロボットは、一般的に利用可能な事前データに対して、非トラバース環境にローカライズしてもらいたいのです。 既存の方法は、この意味情報を無視し、直接パノラマとオーバーヘッド画像に一致するか、あるいは意味情報を劇的に圧縮する。 本稿では,地図上のすべてのエンティティの対応性を計算するVLMから,軽量なマーカを蒸留する手法を提案する。
• 参考スコア（独自算出の注目度）: 10.247287191012036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We want robots to localize in previously untraversed environments against commonly available prior data. Rich semantic data available from OpenStreetMap can be useful in this task. However, existing methods either ignore this semantic information, directly matching panoramas and overhead imagery, or dramatically compress the semantic information, working with a small set of fixed classes. To leverage this rich semantic information, two challenges need to be overcome. First, useful semantic information needs to be extracted from the robot's egocentric observations. Second, the observed information must be quickly associated with the large prior semantic map (e.g., up to 628 km^2). We show that VLMs are effective at both extracting relevant landmarks from panoramas, and identifying feasible correspondences between these landmarks and prior overhead landmarks. However, using VLMs to propose all correspondences scales poorly as the number of mapped landmarks increases. Instead, we propose distilling a lightweight matcher from a VLM which computes correspondences for all entities in a map. We use this output to form an observation likelihood which is fused over time with a Bayes filter to create a time series of pose estimates. To support further investigation into generalizable cross-view methods that leverage semantic information, we release a dataset of extracted semantics and evaluation trajectories spanning eleven environments, including panoramas we collected in a snowstorm and at night in Boston. We demonstrate our method, trained on a single city's fair-weather data, generalizes across location, lighting, weather, and other challenges. Code and datasets are available at https://efahnestock.github.io/loci/.
• Abstract（参考訳）: ロボットは、現在一般的に利用可能な事前データに対して、これまで追跡されていない環境でローカライズしたいと思っています。 OpenStreetMapから利用可能なリッチなセマンティックデータは、このタスクで有用である。 しかしながら、既存のメソッドはこの意味情報を無視し、直接パノラマとオーバーヘッドイメージをマッチングするか、または、少数の固定クラスで動作して、意味情報を劇的に圧縮する。 このリッチなセマンティック情報を活用するには、2つの課題を克服する必要がある。 まず、ロボットの自我中心の観察から有用な意味情報を抽出する必要がある。 第二に、観測された情報は、大きな事前意味写像(例えば、最大628 km^2)と素早く関連付けられなければならない。 VLMは、パノラマから関連するランドマークを抽出し、これらのランドマークと以前のオーバヘッドランドマークとの対応性を特定するのに有効であることを示す。 しかし、VLMを用いて全ての対応を提案することは、地図化されたランドマークの数が増加するにつれて、不十分にスケールする。 代わりに、地図上のすべてのエンティティの対応を計算するVLMから軽量なマーカを蒸留することを提案する。 この出力を用いて、ベイズフィルタで時間とともに融合する観測可能性を形成し、ポーズ推定の時系列を作成する。 セマンティック情報を活用する汎用的なクロスビュー手法のさらなる研究を支援するため,吹雪やボストンの夜間に収集したパノラマを含む11の環境にまたがる抽出セマンティックスと評価トラジェクトリのデータセットを公表した。 当社の手法は、1つの都市のフェアウェザーデータに基づいてトレーニングされ、場所、照明、天気、その他の課題にまたがって一般化されている。 コードとデータセットはhttps://efahnestock.github.io/loci/で公開されている。

関連論文リスト

• From Street to Orbit: Training-Free Cross-View Retrieval via Location Semantics and LLM Guidance [10.533095161205358]
  クロスビュー画像検索は、自律ナビゲーション、都市計画、GPSを用いた環境におけるローカライゼーションなどの応用において重要である。 我々は、事前学習された視覚エンコーダと大規模言語モデル(LLM)を利用した、シンプルで効果的なクロスビュー画像検索フレームワークを提案する。 しかし,提案手法は,ゼロショット設定下でのベンチマークデータセットに対する事前学習に基づくアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2025-11-12T23:51:46Z)
• Bayesian Fields: Task-driven Open-Set Semantic Gaussian Splatting [19.187033477078177]
  オープンセットのセマンティックマッピングでは(i)シーンを表現するために正しい粒度を決定する必要がある。 (II)複数の2次元観察から総合的な3次元再構成へ意味知識を融合させる。 ベイジアン・フィールズ(英: Bayesian Fields)は、オープンセットのセマンティックマッピングのためのタスク駆動の確率論的アプローチである。
  論文  参考訳（メタデータ） (2025-03-07T21:36:30Z)
• GOTPR: General Outdoor Text-based Place Recognition Using Scene Graph Retrieval with OpenStreetMap [4.51019574688293]
  GOTPRはGPS信号が利用できない屋外環境向けに設計されたロバストな位置認識手法である。 大規模で保存が難しいポイントクラウドマップを使用する既存のアプローチとは異なり、GOTPRはテキスト記述や場所認識用のマップから生成されたシーングラフを活用する。 都市規模のテストでは、数秒で処理を完了し、現実世界のロボティクスアプリケーションに非常に実用的になった。
  論文  参考訳（メタデータ） (2025-01-15T04:51:10Z)
• Efficient Masked AutoEncoder for Video Object Counting and A Large-Scale Benchmark [52.339936954958034]
  前景の動的不均衡は、ビデオオブジェクトのカウントにおいて大きな課題である。 本稿では,密度埋め込み型効率的なマスドオートエンコーダカウント(E-MAC)フレームワークを提案する。 さらに,渡り鳥保護のための自然シナリオにおいて,まず,大規模なビデオバードカウントデータセットであるDroneBirdを提案する。
  論文  参考訳（メタデータ） (2024-11-20T06:08:21Z)
• SEER-ZSL: Semantic Encoder-Enhanced Representations for Generalized Zero-Shot Learning [0.6792605600335813]
  Zero-Shot Learning (ZSL)は、トレーニング中に見えないカテゴリを特定するという課題を示す。 ゼロショット学習のためのセマンティック強化表現(SEER-ZSL)を提案する。 まず,確率的エンコーダを用いて意味のある意味情報を抽出し,意味的一貫性とロバスト性を高めることを目的とする。 第2に、学習したデータ分布を逆向きに訓練した発電機で利用することにより、視覚空間を蒸留し、第3に、未確認なカテゴリを真のデータ多様体にマッピングできるようにする。
  論文  参考訳（メタデータ） (2023-12-20T15:18:51Z)
• Cross-attention Spatio-temporal Context Transformer for Semantic Segmentation of Historical Maps [18.016789471815855]
  歴史的地図は、現代の地球観測技術が生まれる前に、地球表面の有用な時間的情報を提供する。 データ依存不確実性として知られるアレタリック不確実性は、元の地図シートの描画/フェーディング欠陥に固有のものである。 より広い範囲で情報を集約する地図と時間的シーケンスを融合するU-based networkを提案する。
  論文  参考訳（メタデータ） (2023-10-19T09:49:58Z)
• Neural Semantic Surface Maps [52.61017226479506]
  本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。 提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
  論文  参考訳（メタデータ） (2023-09-09T16:21:56Z)
• Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
  Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。 IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。 提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-06-17T09:40:14Z)
• Data Augmentation for Object Detection via Differentiable Neural Rendering [71.00447761415388]
  注釈付きデータが乏しい場合、堅牢なオブジェクト検出器を訓練することは困難です。 この問題に対処する既存のアプローチには、ラベル付きデータからラベル付きデータを補間する半教師付き学習が含まれる。 オブジェクト検出のためのオフラインデータ拡張手法を導入し、新しいビューでトレーニングデータを意味的に補間する。
  論文  参考訳（メタデータ） (2021-03-04T06:31:06Z)
• Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges [52.624157840253204]
  我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。 私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。 我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
  論文  参考訳（メタデータ） (2020-09-07T14:47:07Z)
• Exploiting Multi-Layer Grid Maps for Surround-View Semantic Segmentation of Sparse LiDAR Data [2.6876976011647145]
  本稿では,LDARのみのセマンティックセグメンテーションの課題にアプローチするために,レーザレンジ測定をトップビューグリッドマップ表現に変換することを検討する。 我々はグリッドマップフレームワークを利用して関連情報を抽出し,多層グリッドマップを用いてそれらを表現している。 単層および多層アプローチを比較し、多層グリッドマップ入力の利点を実証する。
  論文  参考訳（メタデータ） (2020-05-13T23:50:34Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)

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。