論文の概要: Understanding Temporal Semantic Stability in Open-Vocabulary UAV Perception through Metric 3D Fusion
- arxiv url: http://arxiv.org/abs/2608.28665v1
- Date: Sun, 23 Aug 2026 18:33:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.696082
- Title: Understanding Temporal Semantic Stability in Open-Vocabulary UAV Perception through Metric 3D Fusion
- Title（参考訳）: オープンボキャブラリUAV知覚における3次元融合による時間的セマンティック安定性の理解
- Abstract要約: フレームワイズ予測と世界空間の持続的位置を関連付けることで,時間的意味的安定性を考察する。
UAVid-3Dの実験では、フレームワイドなセマンティック・フリックが顕著に示され、高集合世界空間合意が時間的安定性を過小評価できることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent open-vocabulary segmentation models have advanced semantic perception for UAVs, but predictions from moving aerial platforms can remain temporally inconsistent across repeated observations of the same physical scene. We investigate temporal semantic stability by associating frame-wise predictions with persistent world-space locations through metric 3D fusion. We introduce a voxel-level evaluation framework that jointly characterises final semantic agreement, Semantic Belief Drift (SBD), Observation Persistence (OP), and semantic uncertainty. Experiments on UAVid-3D reveal substantial frame-wise semantic flicker and show that high aggregate world-space agreement can overstate temporal stability when locations have limited repeated-observation support. Persistence-stratified analysis shows that recurrent voxels expose greater semantic disagreement, while belief drift decreases as additional evidence accumulates. This behaviour is observed across two segmentation backbones and remains consistent under variations in voxel resolution, geometric association, and temporal sampling density. Conditions that reduce world-space recurrence can increase apparent aggregate stability, demonstrating that semantic consistency must be interpreted together with observation support. Our findings highlight observation persistence as an essential conditioning variable for evaluating long-horizon semantic reliability.
- Abstract（参考訳）: 近年のオープンボキャブラリセグメンテーションモデルでは、UAVのセマンティックな認識が進んでいるが、移動中の航空プラットフォームからの予測は、同じ物理シーンの観測を繰り返しながら時間的に矛盾する可能性がある。
時間的セマンティック安定性は,フレームワイズ予測と空間空間の持続的位置を3次元融合により関連付けることによって検討する。
本稿では,最終的な意味的合意,セマンティック・リーフ・ドリフト(SBD),観察パーシステンス(OP),意味的不確実性を共同で特徴付けるボクセルレベルの評価フレームワークを提案する。
UAVid-3Dの実験では、フレームワイドなセマンティック・フリックが顕著に示され、高い集合世界空間の合意は、位置が繰り返し観測のサポートを限定している場合に、時間的安定性を過度に表すことができることを示した。
永続成層分析により、再帰的なボクセルはより大きな意味的不一致を示す一方、信念の漂流は追加の証拠が蓄積されるにつれて減少することが示された。
この挙動は2つのセグメンテーションのバックボーンで観察され、ボクセル分解能、幾何学的関連、時間的サンプリング密度の変動の下で一貫している。
世界空間の再発を減らす条件は明らかな集合安定性を高め、セマンティック一貫性は観察支援とともに解釈されなければならないことを示す。
本研究は,長期的意味的信頼性を評価するための条件変数として,観測持続性に注目した。
関連論文リスト
- From Where to How: Continuous 4D Interaction Forecasting from Egocentric Video [62.898774619819676]
エゴセントリックな4Dインタラクション予測は、将来のインタラクションが3Dで起こる場所と、その実現のために人体がどのように動くかを予測することを目的としている。
コヒーレント4D(Coherent4D)は、3つの領域にわたる約233Kサンプルからなる連続4Dインタラクション予測のための大規模エゴセントリックデータセットである。
HIGFlow(Hand Interaction Guided Residual Flow)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-08T12:06:23Z) - Dual-Layer Semantic-Spatial Belief Mapping for Aerial Object Goal Navigation [42.980962327113495]
航空目標航法(Aerial Object Goal Navigation、ObjectNav)は、無人の航空機で、未知の屋外環境において記述された目標を見つける。
視覚言語モデル(VLM)は、オープンエンドの目標記述と視覚的観察を解釈できるが、フレームレベルの出力は、しばしばノイズが多く、スパースで、空間的に過渡的である。
本稿では,過渡的VLM観測を永続的空間誘導に変換する2層意味空間的信念マッピングフレームワークであるAeroBeliefを提案する。
論文 参考訳（メタデータ） (2026-09-08T02:47:49Z) - Real-time fall detection based on vision for low-power edge platforms [7.916664096508434]
転倒検知は、高齢者のケアとインテリジェントな監視にとって不可欠である。
一般的な視覚ベースのアプローチは、主に静的ポーズ分類または離散時間パターンマッチングとして構成する。
本稿では, 転倒を安定化イベントとして再放送する物理情報を用いた転倒検出フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-14T15:43:41Z) - From Prompts to Pavement Through Time: Temporal Grounding in Agentic Scene-to-Plan Reasoning [1.2777067998526854]
本研究は, エージェント間コミュニケーションにおける時間的条件付けが, 意味的・論理的一貫性の低下を伴わずにコヒーレンスを維持・強化できるかどうかを考察する。
その結果,時間的条件付けは推論スタイルに反するが,標準NLPに基づく正当性測定では統計的に有意な改善は得られなかった。
これらの結果から,プロンプトベースの時間的接地限界を明らかにし,時間的シーンから計画的推論のための最初の経験的基準を確立した。
論文 参考訳（メタデータ） (2026-05-19T13:18:35Z) - Visual Latents Know More Than They Say: Unsilencing Latent Reasoning in MLLMs [54.16324124242172]
連続潜在空間推論は、マルチモーダルモデルに対するテキストチェーンのコンパクトな代替を提供する。
既存の視覚的推論手法では,これまで見過ごされてきた最適化病理を同定する。
パラメータ更新を伴わない推論時間潜時最適化は、視覚潜時における抑止的推論能力を効果的に解き放つことを示す。
論文 参考訳（メタデータ） (2026-05-04T15:36:12Z) - Dual-Stage Invariant Continual Learning under Extreme Visual Sparsity [8.16821029459195]
背景駆動の勾配は、連続的なドメインシフトの間、機能のバックボーンを不安定にすることを示す。
連成蒸留による二段階不変連続学習フレームワークを提案する。
高分解能空間ベース RSO 検出データセットの実験は、確立された連続物体検出法よりも一貫した改善を示す。
論文 参考訳（メタデータ） (2026-03-27T09:03:49Z) - Long-Term Multi-Session 3D Reconstruction Under Substantial Appearance Change [52.46888249268445]
長期の環境モニタリングには、数ヶ月または数年ごとに分割された繰り返しサイト訪問で3Dモデルを再構築し調整する機能が必要である。
既存のアプローチは、独立して再構築されたセッションのポストホックアライメントに依存している。
我々は,共同SfM再建において,クロスセッション対応を直接実施することを提案する。
論文 参考訳（メタデータ） (2026-02-24T06:12:51Z) - From Observations to States: Latent Time Series Forecasting [65.98504021691666]
本稿では,TSFを観測回帰から潜時予測に移行する新しいパラダイムであるLatent Time Series Forecasting(LatentTSF)を提案する。
具体的には、LatentTSFはAutoEncoderを使用して、各段階での観測結果を高次元の潜在状態空間に投影する。
提案する潜伏目標は,予測潜伏状態と地道状態と観測値との相互情報を暗黙的に最大化する。
論文 参考訳（メタデータ） (2026-01-30T20:39:44Z) - Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。
我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。
並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
論文 参考訳（メタデータ） (2025-08-28T07:09:21Z) - Rethinking Temporal Fusion with a Unified Gradient Descent View for 3D Semantic Occupancy Prediction [62.69089767730514]
視覚に基づく3次元意味的占有予測(VisionOcc)のための時間融合法であるGAFusionを提案する。
これは、VisionOccフレームワーク内の時間融合の未調査の側面を開き、時間的手がかりと融合戦略の両方に焦点を当てる。
論文 参考訳（メタデータ） (2025-04-17T14:05:33Z)
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。