論文の概要: Cross-View Sequential Visual Localization with Spatio-Temporal Context Modeling for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2608.10660v1
- Date: Tue, 11 Aug 2026 08:44:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.964297
- Title: Cross-View Sequential Visual Localization with Spatio-Temporal Context Modeling for Autonomous Driving
- Title（参考訳）: 時空間モデルを用いた自律運転用クロスビュー連続視覚像定位
- Abstract要約: 地上画像と衛星地図とを視認する。
既存のクロスビュー視覚的ローカライゼーション手法は、各フレームを独立して処理する。
本研究では,クロスビュー・シーケンス・ビジュアル・ローカライゼーションのための時間コンテキスト拡張フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 6.234507553234407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Continuous and reliable localization is essential for autonomous driving. Cross-view visual localization matches ground images with satellite maps, providing complementary localization cues for pipelines that depend on Global Navigation Satellite System (GNSS) signals and high-definition (HD) maps. Most existing cross-view visual localization methods process each frame independently, leaving temporal information underused and limiting accuracy under dynamic occlusion, illumination variation, and repetitive textures. This study proposes a temporal-context-enhanced framework for cross-view sequence visual localization. The proposed recurrent cross-frame module aggregates historical context from the previous state to enhance the coarse ground feature of each current frame. These enhanced features facilitate satellite candidate-region classification, while hierarchical fine-grained features enable precise local offset estimation. On the CVIS dataset, the proposed method reduces mean localization error from 3.80 m to 1.57 m and increases R@1 m from 8.14% to 40.22%. Direct transfer to KITTI-CVL achieves a mean error of 2.61 m, with target-domain fine-tuning further reducing the mean error to 2.27 m. Zero-shot field experiments on a real-world vehicle achieve a mean error of 2.84 m and R@5 m of 96.86%. These results demonstrate that temporal context enhancement significantly improves cross-view localization accuracy and supports robust deployment on public benchmarks and real-world roads.
- Abstract（参考訳）: 自律運転には、継続的かつ信頼性の高いローカライゼーションが不可欠である。
クロスビューの視覚的ローカライゼーションは地上の画像を衛星マップと一致させ、GNSS(Global Navigation Satellite System)信号とHD(High-definition)マップに依存するパイプラインの補完的なローカライゼーション手段を提供する。
既存のクロスビューの視覚的ローカライゼーション手法は、時間的情報が過小評価され、ダイナミック・オクルージョン、照明のバリエーション、反復的なテクスチャの下で精度が制限されたまま、それぞれのフレームを個別に処理する。
本研究では,クロスビュー・シーケンス・ビジュアル・ローカライゼーションのための時間コンテキスト拡張フレームワークを提案する。
提案した繰り返しクロスフレームモジュールは、過去の状態から過去のコンテキストを集約し、各フレームの粗い基底特性を強化する。
これらの強化された特徴は衛星候補地域分類を促進する一方、階層的な微細な特徴は正確な局部オフセット推定を可能にする。
CVISデータセットでは,平均局在誤差を3.80mから1.57mに低減し,R@1mを8.14%から40.22%に向上させる。
KITTI-CVLへの直接転送は平均誤差が2.61m、目標領域の微調整により平均誤差が2.27mに減少する。
実世界の車両におけるゼロショットフィールド実験は平均誤差が2.84m、R@5mが96.86%に達する。
これらの結果から,時間的文脈の強化がクロスビューのローカライゼーション精度を大幅に向上させ,公道や公道でのロバストな展開を支援することが示唆された。
関連論文リスト
- Globally Localizing Lunar Rover in Pixels via Graph Alignment [8.734737017643416]
クロスビューローカライゼーションは、ローバービューと衛星ビューの画像とをマッチングすることにより、ドリフトフリーなグローバルソリューションを提供する。
統合グラフ学習と再計画グラフマッチングを併用し、堅牢なクロスビューアライメントを実現するフレームワークであるウォープアライメント・オブ・リジェンドグラフ(WARG)を提案する。
論文 参考訳（メタデータ） (2026-06-09T09:04:54Z) - RELO: Reinforcement Learning to Localize for Visual Object Tracking [70.27265738642956]
視覚的物体追跡のためのReinforcement-learning-to-LOcalize法であるRELOを紹介する。
RELOは、手作りの空間先行を空間的位置から学習した局所化ポリシーに置き換える。
我々は、RELOがテンプレート更新なしでLaSOText上で57.5%のAUCを達成することを示す。
論文 参考訳（メタデータ） (2026-05-08T07:34:29Z) - Lights Out: A Nighttime UAV Localization Framework Using Thermal Imagery and Semantic 3D Maps [0.0]
本研究は,地図関連夜間UAVローカライゼーションのためのセマンティック・リジェクション・フレームワークを提案する。
外見に基づく対応に頼るのではなく、ローカライゼーションは共有セマンティックドメインで定式化される。
システムは2.18mの意味バイアス補正RMSE2Dと1.52mの中央値RMSE2Dを達成する。
論文 参考訳（メタデータ） (2026-04-29T01:08:50Z) - RSGround-R1: Rethinking Remote Sensing Visual Grounding through Spatial Reasoning [61.84363374647606]
リモートセンシングビジュアルグラウンドディング(RSVG)は、自然言語記述に基づく大規模空中画像における対象物体のローカライズを目的としている。
これらの記述はしばしば位置的手がかりに大きく依存しており、空間的推論においてMLLM(Multimodal Large Language Models)に固有の課題を提起している。
空間理解の高度化を図るために,textbfRSGround-R1 と呼ばれる推論誘導型位置認識後学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-29T12:35:57Z) - EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。
また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。
CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
論文 参考訳（メタデータ） (2025-04-28T02:41:12Z) - Jointly Optimized Global-Local Visual Localization of UAVs [17.83193033936859]
UAVのナビゲーションとローカライゼーションは、グローバルナビゲーション衛星システム(GNSS)が破壊され、信頼性が低い場合に課題となる。
既存の視覚的ローカライゼーション手法は, 衛星画像とのマッチングにより, 誤差蓄積を伴わない自律的な視覚的ローカライゼーションを実現する。
我々は,UAVの飛行シーンと類似する領域を見つける大規模検索モジュールと,正確なUAV座標をローカライズする細粒度マッチングモジュールを組み合わせた,GLVL(Global-Local Visual Localization)ネットワークを提案する。
本手法は, 粗いテクスチャ特徴を有する村のシーンにおいて, わずか2.39m×0.48秒の局所誤差を実現する。
論文 参考訳（メタデータ） (2023-10-12T07:12:20Z) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳（メタデータ） (2023-08-16T02:51:52Z) - Visual Cross-View Metric Localization with Dense Uncertainty Estimates [11.76638109321532]
本研究は、屋外ロボティクスにおける視覚的クロスビューメトリックローカライゼーションに対処する。
地上レベルのカラー画像と局地的な環境を含む衛星パッチが与えられた場合、衛星パッチ内の地上カメラの位置を特定することが課題である。
我々は、より高密度な衛星記述子、ボトルネックにおける類似性マッチング、およびマルチモーダルなローカライゼーションの曖昧さを捉えるための出力としての密度空間分布を備えた新しいネットワークアーキテクチャを考案した。
論文 参考訳（メタデータ） (2022-08-17T20:12:23Z) - Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization
Using Satellite Image [91.29546868637911]
本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。
鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。
標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
論文 参考訳（メタデータ） (2022-04-10T19:16:58Z) - Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。
ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
論文 参考訳（メタデータ） (2021-03-18T08:47:56Z)
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。