論文の概要: UltraArUco: A Lightweight Multilingual Library And Framework With Low-Latency Real-Time Marker-Based Tracking System For Mobile AR Interaction
- arxiv url: http://arxiv.org/abs/2608.13584v2
- Date: Tue, 18 Aug 2026 06:38:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.209076
- Title: UltraArUco: A Lightweight Multilingual Library And Framework With Low-Latency Real-Time Marker-Based Tracking System For Mobile AR Interaction
- Title（参考訳）: UltraArUco: モバイルARインタラクションのための低レイテンシリアルタイムマーカーベースのトラッキングシステム
- Abstract要約: UltraArUcoは、モバイル拡張現実における低レイテンシ、リアルタイムマーカーベースのトラッキングのための軽量な多言語ライブラリおよびフレームワークである。
標準のOpenCVベースの実装とは異なり、UltraArUcoは最適化された多言語ラッパーを導入し、フレーム単位のレイテンシを6倍に削減した。
分散Wi-Fiアーキテクチャはポータビリティを提供し、モバイルデバイスとPCベースのビジュアルアプリケーションとを接続し、応答性のあるインタラクションを可能にする。
- 参考スコア（独自算出の注目度）: 37.241305959043366
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: UltraArUco is a lightweight multilingual library and framework for low latency, realtime marker-based tracking in mobile augmented reality. Unlike standard OpenCV-based implementations, UltraArUco introduces an optimized multilingual wrapper that reduces per-frame latency in six times, while maintaining high accuracy. Distributed Wi-Fi architecture provides portability, connects a mobile device (camera input) with a PC-based visual application, enabling responsive interactions. The framework is validated through an interactive piano simulation, where static ArUco markers on keys enable occlusion based note triggering, and hand-mounted markers provide spatial gesture recognition. UltraArUco's system requirements make it highly suitable for resource-constrained mobile AR applications, demonstrating a viable AR music application without specialized equipment.
- Abstract（参考訳）: UltraArUcoは、モバイル拡張現実における低レイテンシ、リアルタイムマーカーベースのトラッキングのための軽量な多言語ライブラリおよびフレームワークである。
標準のOpenCVベースの実装とは異なり、UltraArUcoは最適化された多言語ラッパーを導入し、高い精度を維持しながらフレーム単位のレイテンシを6倍に削減した。
分散Wi-Fiアーキテクチャはポータビリティを提供し、モバイルデバイス(カメラ入力)とPCベースのビジュアルアプリケーションとを接続し、応答性のある対話を可能にする。
このフレームワークは、対話的なピアノシミュレーションによって検証され、鍵の静的なArUcoマーカーは閉塞に基づくノートトリガーを可能にし、手持ちのマーカーは空間的ジェスチャー認識を提供する。
UltraArUcoのシステム要件は、リソースに制約のあるモバイルARアプリケーションに非常に適しており、特殊な機器を使わずに実行可能なARミュージックアプリケーションを実証している。
関連論文リスト
- LEVIO: Lightweight Embedded Visual Inertial Odometry for Resource-Constrained Devices [18.91672527573445]
この研究は、超低消費電力計算プラットフォーム向けに最適化された完全なVIOパイプラインであるLEVIOを提示する。
LEVIOにはOriented FASTやRotated BRIEF (ORB)といった既存のVIOコンポーネントが組み込まれている。
本稿では,アルゴリズム設計の選択とハードウェア-ソフトウェア協調最適化手法を提案し,資源制約のあるハードウェア上でのリアルタイム性能を示す。
論文 参考訳（メタデータ） (2026-02-03T09:20:57Z) - Video Object Recognition in Mobile Edge Networks: Local Tracking or Edge Detection? [57.000348519630286]
モバイルエッジコンピューティングの最近の進歩により、高精度ニューラルネットワークを備えたエッジサーバに集約的なオブジェクト検出をオフロードすることが可能になった。
このハイブリッドアプローチは有望なソリューションを提供するが、新たな課題として、エッジ検出とローカルトラッキングのタイミングを決定する。
局所的なトラッキングとエッジ検出を適応的に選択する深層強化学習に基づくアルゴリズムである単一デバイス環境での LTED-Ada を提案する。
論文 参考訳（メタデータ） (2025-11-25T04:54:51Z) - SPUR: A Plug-and-Play Framework for Integrating Spatial Audio Understanding and Reasoning into Large Audio-Language Models [62.14165748145729]
本研究では,空間知覚を伴う大規模オーディオスピーカモデルを備えた,軽量なプラグイン・アプローチであるSPURを紹介する。
SPURは、 (i) チャネルを回転認識、リスナー中心の空間特徴にマッピングし、マルチモーダルアダプタを介して対象のLALMに統合する第1次アンビニクス(FOA)エンコーダと、 (ii) SPUR-Setは、オープンソースのFOA記録を制御されたシミュレーションと組み合わせた空間QAデータセットで、相対方向、標高、距離、および監督された空間推論の重複を強調する。
論文 参考訳（メタデータ） (2025-11-10T01:29:26Z) - Deep Learning-based Lightweight RGB Object Tracking for Augmented Reality Devices [2.3102477806624084]
Augmented Reality (AR)アプリケーションは、仮想コンテンツを正しくオーバーレイするために、ユーザの環境にあるオブジェクトの堅牢なリアルタイム追跡を必要とする。
コンピュータビジョンの最近の進歩は、非常に正確なディープラーニングベースのオブジェクトトラッカーを生み出しているが、これらのモデルは通常、ウェアラブルARデバイスでは計算とメモリが大きすぎる。
本稿では,資源制約付きARプラットフォーム向けに設計された軽量なRGBオブジェクト追跡アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-10-04T02:39:55Z) - Learning Frequency and Memory-Aware Prompts for Multi-Modal Object Tracking [74.15663758681849]
凍結したRGBトラッカーに軽量なプロンプトを注入するデュアルアダプタフレームワークであるLearning Frequency and Memory-Aware Promptsを紹介する。
周波数誘導型ビジュアルアダプタは、相補的なキューをモダリティ間で適応的に転送する。
短い、長い、永続的なメモリストアを持つマルチレベルメモリアダプタは、信頼できる時間的コンテキストを格納し、更新し、取得する。
論文 参考訳（メタデータ） (2025-06-30T15:38:26Z) - Mobile Augmented Reality Framework with Fusional Localization and Pose Estimation [9.73202312695815]
GPSベースのモバイルARシステムは、通常、屋内環境における不正確な位置決めのため、性能が良くない。
本稿ではまず,モバイルプラットフォーム上での最先端ARとローカライゼーションシステムについて包括的に研究する。
そこで本研究では,効果的な屋内移動型ARフレームワークを提案する。
本フレームワークでは,統合的ローカライズ法と新しいポーズ推定法を開発し,全体のマッチング率を高め,AR表示精度を向上させる。
論文 参考訳（メタデータ） (2025-01-06T19:02:39Z) - Real-Time Hand Gesture Recognition: Integrating Skeleton-Based Data Fusion and Multi-Stream CNN [0.0]
ハンドジェスチャ認識(HGR)は、様々な現実世界のコンテキストにおいて、直感的な人間とコンピュータのインタラクションを可能にする。
既存のフレームワークは、実用的なHGRアプリケーションに必要なリアルタイム要件を満たすのに苦労することが多い。
本研究では,動的ハンドジェスチャの静的イメージタスクへの認識を簡略化する,動的HGRのための頑健な骨格ベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-21T09:30:59Z) - Spatiotemporal Attention-based Semantic Compression for Real-time Video
Recognition [117.98023585449808]
本稿では,各フレームにおけるフレームと画素の重要性を評価するために,時間的注意に基づくオートエンコーダ(STAE)アーキテクチャを提案する。
我々は3D-2D CNNを組み合わせた軽量デコーダを開発し、欠落した情報を再構成する。
実験の結果,VT_STAEはビデオデータセットH51を,5%の精度で104倍圧縮できることがわかった。
論文 参考訳（メタデータ） (2023-05-22T07:47:27Z) - LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。
私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
論文 参考訳（メタデータ） (2022-10-19T17:58:17Z) - Unified Multi-Modal Landmark Tracking for Tightly Coupled
Lidar-Visual-Inertial Odometry [5.131684964386192]
視覚,ライダー,慣性情報を協調的に最適化するモバイルプラットフォームのための効率的なマルチセンサ・オドメトリーシステムを提案する。
ライダー点雲から3次元線と平面原始体を抽出する新しい手法を提案する。
システムは、脚のあるロボットによる地下探査や、動的に動くハンドヘルドデバイスによる屋外スキャンなど、さまざまなプラットフォームやシナリオでテストされてきた。
論文 参考訳（メタデータ） (2020-11-13T09:54:03Z)
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。