論文の概要: YILDIZ-VPR: A Novel Dataset with Dense Coverage Under Diverse Environmental Conditions for Visual Place Recognition
- arxiv url: http://arxiv.org/abs/2608.17033v1
- Date: Mon, 17 Aug 2026 18:30:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.096138
- Title: YILDIZ-VPR: A Novel Dataset with Dense Coverage Under Diverse Environmental Conditions for Visual Place Recognition
- Title（参考訳）: YILDIZ-VPR:視覚的位置認識のための環境条件下での高密度カバー付き新しいデータセット
- Abstract要約: 本稿では,Yildiz Technical UniversityのDavutpasaキャンパスで収集された視覚的ジオローカライゼーションデータセットYILDIZ-VPRを紹介する。
データセットには、日時、季節、気象条件の異なる屋外シーンが含まれている。
YILDIZ-VPRは、現実的な屋外条件下での画像ベースおよび時間的視覚的位置認識を研究するのに有用な資源を提供する。
- 参考スコア（独自算出の注目度）: 0.9685837672183747
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Visual Place Recognition (VPR) aims to recognize the location of a query image by comparing it with a set of geo-referenced images. Although many datasets have been proposed for VPR, collecting dense and diverse visual data from pedestrian-level viewpoints is still an important need. In this paper, we introduce YILDIZ-VPR, a visual geo-localization dataset collected through repeated walking traversals on the Davutpasa campus of Yildiz Technical University. The dataset includes outdoor scenes captured at different times of day, seasons, and weather conditions. It contains a wide range of visual content, including historical buildings, modern structures, roads, green areas, and wooded regions. Each video was recorded with a GoPro 9 camera and synchronized with GPS sensor data to provide location labels for the extracted frames. In addition to GPS coordinates, the dataset also includes auxiliary sensor information such as gyroscope, speed, and temperature data. With its dense coverage and long-term visual variability, YILDIZ-VPR provides a useful resource for studying image-based and temporal visual place recognition under realistic outdoor conditions.
- Abstract（参考訳）: 視覚的位置認識(VPR)は、クエリ画像の位置をジオレファレンス画像の集合と比較することによって認識することを目的としている。
VPRには多くのデータセットが提案されているが、歩行者レベルの視点から密集した多様な視覚データを収集することは依然として重要なニーズである。
本稿では,Yildiz Technical UniversityのDavutpasaキャンパスにおける歩行トラバーサルを通じて収集した視覚的ジオローカライゼーションデータセットYILDIZ-VPRを紹介する。
データセットには、日時、季節、気象条件の異なる屋外シーンが含まれている。
歴史的建造物、近代建築、道路、緑地、森林地帯など幅広い視覚的内容がある。
各ビデオはGoPro 9カメラで録画され、GPSセンサーのデータと同期して抽出されたフレームの位置ラベルが提供される。
GPS座標に加えて、このデータセットにはジャイロスコープ、速度、温度データなどの補助センサー情報も含まれている。
YILDIZ-VPRは、その密接なカバレッジと長期の視覚的変動により、現実的な屋外条件下での画像ベースおよび時間的視覚的位置認識を研究するのに有用な資源を提供する。
関連論文リスト
- OpenCVL: An Open, Diverse, and Large-Scale Dataset for Fine-Grained Cross-View Localization [73.84434300039767]
ヨーロッパ4か国41都市にまたがる617,388の地上画像からなる大規模で多様でオープンなデータセットOpenCVLを紹介した。
OpenCVLには、一般化と堅牢性を評価する専用のクロスエリアと雪テストセットが含まれている。
OpenCVL上での最先端CVLモデルによる実験により、ノイズの多い内部データを組み込むことで、クリーンなテストセットの性能が一貫して向上することが示された。
論文 参考訳（メタデータ） (2026-08-26T01:20:46Z) - A Multi-Year Urban Streetlight Imagery Dataset for Visual Monitoring and Spatio-Temporal Drift Detection [3.1073458974207124]
英国ブリストルで2021年から2025年にかけて22台の固定角カメラで撮影された都市街灯の大規模で縦方向の視覚的データセットを提示する。
データセットには526,000枚以上の画像が含まれており、様々な照明、天気、季節条件の下で1時間に収集されている。
この実世界のデータセットは、スマートシティデプロイメントにおける視覚的ドリフト、異常検出、MLOps戦略の詳細な調査を可能にする。
論文 参考訳（メタデータ） (2025-12-13T06:28:54Z) - Video Individual Counting for Moving Drones [51.429771128144964]
ビデオ・パーソナライズ・カウンティング(VIC)は、インテリジェント・ビデオ監視の重要性から注目を集めている。
以前のデータセットは、比較的まばらな個人で固定または稀に動くカメラでキャプチャされ、混雑したシーンでの高度に異なるビューと時間の評価を制限する。
これらの問題に対処するために、私たちはMovingDroneCrowdデータセットを導入しました。
論文 参考訳（メタデータ） (2025-03-12T07:09:33Z) - EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。
このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。
このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
論文 参考訳（メタデータ） (2025-01-14T13:42:22Z) - Game4Loc: A UAV Geo-Localization Benchmark from Game Data [0.0]
クロスビューペアデータの部分的マッチングを含む,より実用的なUAV測位タスクを提案する。
実験により,UAV測地のためのデータとトレーニング手法の有効性が示された。
論文 参考訳（メタデータ） (2024-09-25T13:33:28Z) - 360 in the Wild: Dataset for Depth Prediction and View Synthesis [66.58513725342125]
大規模な360$circ$ビデオデータセットを野放しに導入する。
このデータセットはインターネットから慎重に取り除かれ、世界中で様々な場所から収集されている。
データセットを構成する25K画像のそれぞれに、それぞれのカメラのポーズと深さマップが提供される。
論文 参考訳（メタデータ） (2024-06-27T05:26:38Z) - NYC-Indoor-VPR: A Long-Term Indoor Visual Place Recognition Dataset with Semi-Automatic Annotation [7.037667953803237]
本稿では、ニューヨーク市内の13の異なる混雑したシーンから収集された36,000枚以上の画像のユニークで豊富なコレクションであるNYC-Indoor-VPRデータセットを紹介する。
VPRのための基礎的真理を確立するために,各画像の位置情報を計算する半自動アノテーション手法を提案する。
提案手法は,ビデオのペアを入力とし,一致した画像のペアと推定された相対位置を出力する。
論文 参考訳（メタデータ） (2024-03-31T00:20:53Z) - Argoverse 2: Next Generation Datasets for Self-Driving Perception and
Forecasting [64.7364925689825]
Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。
Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。
Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
論文 参考訳（メタデータ） (2023-01-02T00:36:22Z) - ALTO: A Large-Scale Dataset for UAV Visual Place Recognition and
Localization [22.992887167994766]
ALTOデータセットは、無人航空機の視覚的位置認識手法の開発とベンチマークのためのビジョン中心のデータセットである。
このデータセットは2つの長い(約150kmと260km)軌道から成り、オハイオとペンシルバニアの上空をヘリコプターで飛んでいる。
論文 参考訳（メタデータ） (2022-07-19T21:13:44Z) - VPAIR -- Aerial Visual Place Recognition and Localization in Large-scale
Outdoor Environments [49.82314641876602]
VPAIRという新しいデータセットを提示します。
データセットは地上300メートル以上の高度で飛行する軽航空機に記録されている。
このデータセットは、様々なタイプの挑戦的な風景を、100km以上にわたってカバーしている。
論文 参考訳（メタデータ） (2022-05-23T18:50:08Z) - CrowdDriven: A New Challenging Dataset for Outdoor Visual Localization [44.97567243883994]
クラウドソースデータを用いた屋外シーンにおける視覚的位置推定のための新しいベンチマークを提案する。
私たちのデータセットは非常に困難で、評価されたすべてのメソッドが最も難しい部分で失敗していることが示されています。
データセットリリースの一部として、私たちはそれを生成するために使用されるツールを提供し、効率的で効果的な2D対応アノテーションを可能にします。
論文 参考訳（メタデータ） (2021-09-09T19:25:48Z) - Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial
Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。
データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
論文 参考訳（メタデータ） (2020-12-23T21:48:47Z)
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。