論文の概要: SeqLoc: Beyond the Single Frame for Cross-View Geo-Localization in Feature-Sparse Scenes
- arxiv url: http://arxiv.org/abs/2608.07835v2
- Date: Tue, 11 Aug 2026 21:29:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 14:28:20.382633
- Title: SeqLoc: Beyond the Single Frame for Cross-View Geo-Localization in Feature-Sparse Scenes
- Title（参考訳）: SeqLoc: 特徴の少ないシーンにおけるクロスビューなジオローカライゼーションのための単一フレームを超えて
- Abstract要約: OpenStreetMap (OSM) を用いたクロスビュージオローカライゼーションは、構造豊かな都市環境では良好に機能するが、農村道路のような特徴の少ないシーンでは崩壊する。
CV-FSSは5つの農村地域の連続パノラマとOSMマップの整列をペアリングするベンチマークである。
次に,3つのキーコンポーネントを持つログ信頼性ボリュームを維持するオンラインテスト時間シーケンスアグリゲーション機構であるSeqLocを提案する。
- 参考スコア（独自算出の注目度）: 49.30971835891526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cross-View Geo-Localization (CVGL) with OpenStreetMap (OSM) performs well in structure-rich urban environments but collapses in feature-sparse scenes such as rural roads. To study this failure mode, in this work, we introduce CV-FSS, a benchmark that pairs sequential panoramas from five rural regions with aligned OSM maps, on which single-frame methods degrade drastically. We then propose SeqLoc, an online test-time sequence aggregation mechanism that recursively maintains a log-belief volume with three key components: (1) Entropy-Tempered Uncertainty (ETU) tempers each incoming pose likelihood volume by its normalized entropy; (2) Map-Guided Relocalization (MGR) mixes a map-shaped recovery distribution into the belief so that a suppressed true pose can recover; (3) Peak-Anchored Smoothing (PAS) derives the final pose at sub-grid precision. Extensive experiments on CV-FSS and CV-RHO demonstrate that SeqLoc outperforms single-frame localization by a large margin, improving both position and orientation recall by over 50%. The benchmark and source code are publicly available at https://zhengjunwei.com/publications/SeqLoc/SeqLoc.html.
- Abstract（参考訳）: OpenStreetMap (OSM) を用いたCVGL (Cross-View Geo-Localization) は、構造豊かな都市環境ではよく機能するが、田舎道のような特徴の少ないシーンでは崩壊する。
この障害モードを研究するために,本研究では,5つの農村地域の連続パノラマとOSMマップとのペアリングを行うベンチマークCV-FSSを導入する。
次に、オンラインテスト時シーケンスアグリゲーション機構であるSeqLocを提案し、(1)エントロピー温度不確実性(ETU)テンパ、(2)マップガイド再局在化(MGR)は、地図形状の回復分布を、抑制された真のポーズを回復できるように混合し、(3)ピークアンコールスムースティング(PAS)は、サブグリッド精度で最終ポーズを導出する。
CV-FSSとCV-RHOの大規模な実験により、SeqLocは単一フレームのローカライゼーションを大きなマージンで上回り、位置と向きのリコールを50%以上改善することを示した。
ベンチマークとソースコードはhttps://zhengjunwei.com/publications/SeqLoc/SeqLoc.htmlで公開されている。
関連論文リスト
- Ground-to-Satellite Localization in Unconstrained Image Collections for 3D Scene Reconstruction [9.370818606626663]
衛星画像に対する地上画像のローカライゼーションは,測位精度の高いジオローカライズされた3Dシーン再構築の鍵となる。
既存のクロスビューのローカライゼーション手法にはパノラマ画像や既知の初期位置といった厳しい要件がある。
本稿では,Structure-from-Motion(SfM)モデルからの幾何的制約を利用する,堅牢な階層的クロスビューローカライゼーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-29T11:52:21Z) - EgoHieraLoc: A Cortically Inspired Hierarchical Segmentation-Guided Framework for Egocentric Visual Query Localization [9.547789251222838]
ビジュアルクエリローカライゼーション(VQL)は、エゴセントリックなビデオでクエリ対象を検索し、再ローカライズすることを目的としている。
人間の視覚は階層的なプロセスを通じてあいまいさを扱う。
我々は,VQL-2DとVQL-3Dの統一フレームワークである textbfEgoHieraLoc を提案する。
論文 参考訳（メタデータ） (2026-08-10T14:31:01Z) - Lost in the Tail: Addressing Geographic Imbalance in Urban Visual Place Recognition [9.31929142038003]
都市規模のビジュアルプレース認識は、ジオタグ付きデータベースとマッチングすることで、クエリ画像の地理的位置を特定することを目的としている。
近年の手法は優れた性能を発揮するが、都市規模データセットに隠された深刻な長尾問題を見落としている。
本研究では,モデルに依存しないプラグインフレームワークであるDis Distribution-Aware Place Recognition (DAPR)を提案する。
論文 参考訳（メタデータ） (2026-06-30T19:33:39Z) - RHO: Robust Holistic OSM-Based Metric Cross-View Geo-Localization [46.34917046230067]
Metric Cross-View Geo-Localization (MCVGL) は、地上画像と衛星画像のマッチングによって3DFカメラのポーズを推定することを目的としている。
総括的パノラマとOpenStreetMap(OSM)を用いたロバストMCVGLの研究を行った。
正確な視覚的ローカライゼーションのための2分岐ピンパンアーキテクチャを用いたRHOモデルを提案する。
論文 参考訳（メタデータ） (2026-03-29T16:34:20Z) - Global-Aware Edge Prioritization for Pose Graph Initialization [58.77851776918465]
画像がノードとして機能し、エッジが相対的なポーズをエンコードするStructure-from-Motion(SfM)のコアコンポーネントである。
幾何的検証は高価であるため、SfMパイプラインはポーズグラフを候補エッジのスパース集合に制限する。
本稿では、この制限をエッジ優先順位付けの概念によって解決し、SfMの実用性によって候補エッジをランク付けする。
提案手法は,(1)一貫したエッジ信頼性を予測するために,SfMから指導を受けたGNN,(2)これらのランクで案内されるマルチミニマルスパンニングツリーに基づくポーズグラフ構築,(3)弱い領域を補強する接続性を考慮したスコア変調,の3つの構成要素を有する。
論文 参考訳（メタデータ） (2026-02-25T14:44:53Z) - SF-Loc: A Visual Mapping and Geo-Localization System based on Sparse Visual Structure Frames [3.5047603107971397]
SF-Locは軽量なビジュアルマッピングとマップ支援型ローカライゼーションシステムである。
マッピングフェーズでは,多センサ高密度バンドル調整(MS-DBA)を適用し,ジオレファレンスな視覚構造フレームを構築する。
ローカライズフェーズでは、多フレーム情報と地図分布を完全に統合した粗大な視覚に基づくローカライズを行う。
論文 参考訳（メタデータ） (2024-12-02T13:51:58Z) - GLACE: Global Local Accelerated Coordinate Encoding [66.87005863868181]
シーン座標回帰法は小規模なシーンでは有効であるが、大規模シーンでは重大な課題に直面している。
本研究では,事前学習したグローバルおよびローカルのエンコーディングを統合したGLACEを提案する。
提案手法は,低マップサイズモデルを用いて,大規模シーンにおける最先端結果を実現する。
論文 参考訳（メタデータ） (2024-06-06T17:59:50Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳（メタデータ） (2023-09-27T20:54:56Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - Consistency-Aware Anchor Pyramid Network for Crowd Localization [167.93943981468348]
クラウドローカライゼーションは、群衆シナリオにおける人間の空間的位置を予測することを目的としている。
本稿では,各画像領域のアンカー密度を適応的に決定するアンカーピラミッド方式を提案する。
論文 参考訳（メタデータ） (2022-12-08T04:32:01Z) - PGL: Prior-Guided Local Self-supervised Learning for 3D Medical Image
Segmentation [87.50205728818601]
本稿では,潜在特徴空間における局所的一貫性を学習するPGL(PresideedGuided Local)自己教師モデルを提案する。
我々のPGLモデルは、局所領域の特異な表現を学習し、したがって構造情報を保持できる。
論文 参考訳（メタデータ） (2020-11-25T11:03:11Z) - Graph-PCNN: Two Stage Human Pose Estimation with Graph Pose Refinement [54.29252286561449]
グラフPCNNと呼ばれる2段階のグラフベースおよびモデルに依存しないフレームワークを提案する。
第1段階では、粗局化結果を得るために熱マップ回帰ネットワークを適用し、ガイドポイントと呼ばれる一連の提案キーポイントをサンプリングする。
第2段階では、各案内点について、ローカライゼーションにより異なる視覚特徴を抽出する。
ガイドされた点間の関係は、より正確なローカライゼーション結果を得るためにグラフポーズ精製モジュールによって探索される。
論文 参考訳（メタデータ） (2020-07-21T04:59:15Z)
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。