論文の概要: AdaptVPR: Route-Aware Hard Positive Generation for Robust Visual Place Recognition
- arxiv url: http://arxiv.org/abs/2609.04369v1
- Date: Thu, 03 Sep 2026 18:34:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.792987
- Title: AdaptVPR: Route-Aware Hard Positive Generation for Robust Visual Place Recognition
- Title（参考訳）: AdaptVPR:ロバストな視覚的位置認識のための経路認識型ハード陽性生成
- Abstract要約: ビジュアルプレース認識(VPR)は、同じまたは近くのデータベースイメージを取得することで、クエリ画像をローカライズする。
ひとつの要因は、既存のトレーニングデータにおいて、同じ場所の外観の多様性が制限されていることだ。
本稿では、ロバストなVPRトレーニングのために、同一位置のハードポジティクスを構築するルート認識型生成拡張フレームワークAdaptVPRを提案する。
- 参考スコア（独自算出の注目度）: 22.875931198310724
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual Place Recognition (VPR) localizes a query image by retrieving database images of the same or nearby place, yet its robustness is often degraded by domain shifts arising from illumination, weather, seasonal changes, and dynamic occlusions. One contributing factor is the limited appearance diversity of the same place in existing training data. To address this issue, we propose AdaptVPR, a route-aware generative augmentation framework that constructs same-place hard positives for robust VPR training. AdaptVPR first uses a vision language model to parse scene attributes and estimate editing feasibility, while a rule-based scheduler determines the generation route according to editability scores and risk constraints. The generation process is decomposed into three complementary routes: the Global Appearance Route introduces global scene changes in weather, illumination, and time of day; the Local Occlusion Route inserts plausible dynamic occluders; and the Dual Route combines both types of perturbations to produce more challenging appearance shifts. Each generated candidate is evaluated using a VPR-oriented verification scheme based on geometric consistency and appearance diversity, reducing the risk of structural drift while ensuring sufficient appearance variation. Global candidates are generated once and rejected if verification fails, while Local Occlusion and Dual candidates use verification feedback for limited prompt refinement and regeneration. Using this framework, we construct AdaptCities, containing 160K verified synthetic same-place hard positives. Experiments across multiple VPR baselines and vision foundation backbones show consistent gains on standard benchmarks and substantial improvements under challenging domain shifts, with R@1 gains of up to 9.2%. The source code and data resources are publicly available at https://github.com/chenshunpeng/AdaptVPR.
- Abstract（参考訳）: 視覚的場所認識(VPR)は、同じ場所または近くの場所のデータベースイメージを取得することで、クエリ画像をローカライズするが、その堅牢性は、照明、天気、季節変化、動的閉塞によるドメインシフトによってしばしば低下する。
ひとつの要因は、既存のトレーニングデータにおいて、同じ場所の外観の多様性が制限されていることだ。
この問題に対処するために,ロバストなVPRトレーニングのための同一位置ハードポジティクスを構築するルート認識型生成拡張フレームワークであるAdaptVPRを提案する。
AdaptVPRはまず視覚言語モデルを用いてシーン属性の解析と編集可能性の推定を行い、一方ルールベースのスケジューラは編集可能性スコアとリスク制約に基づいて生成経路を決定する。
生成過程は3つの補完ルートに分解され、Global Outearance Routeは天気、照明、日時の変化を全世界に導入し、Local Occlusion Routeはプラウチブル・ダイナミック・オクローダーを挿入し、Dual Routeは両タイプの摂動を組み合わせ、より困難な外観変化をもたらす。
各候補は、幾何的整合性と外観多様性に基づいて、VPR指向の検証手法を用いて評価され、十分な外観変化を確保しつつ、構造的ドリフトのリスクを低減する。
グローバルな候補は一度生成され、検証が失敗すると拒否されるが、Local Occlusion と Dual の候補は限定的な迅速な改善と再生のために検証フィードバックを使用する。
このフレームワークを用いて、160Kの証明済み同位位強正値を含むAdaptCitiesを構築した。
複数のVPRベースラインとビジョンファウンデーションのバックボーンにわたる実験では、標準ベンチマークが一貫した増加を示し、ドメインシフトの挑戦の下で大幅に改善され、R@1は最大9.2%向上した。
ソースコードとデータリソースはhttps://github.com/chenshunpeng/AdaptVPRで公開されている。
関連論文リスト
- G2IA: Geometry-Guided Instance-Aware Retrieval and Refinement for Cross-Modal Place Recognition [24.541278686912616]
クロスモーダル位置認識(CMPR)により、カメラのみのロボットは、自律的なナビゲーションシナリオにおいて、事前に構築されたLiDARマップに対してローカライズすることができる。
このイメージ・ツー・ポイント・クラウド・セッティングは、2つのあいまいさ、すなわち視点RGBの外観とスパースメトリ幾何の間のモダリティギャップによって挑戦される。
画像から点までの位置認識のための幾何学誘導型インスタンス認識フレームワークであるG2IAを提案する。
論文 参考訳（メタデータ） (2026-06-13T12:53:52Z) - MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。
ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
論文 参考訳（メタデータ） (2026-05-18T01:52:12Z) - DC-VLAQ: Query-Residual Aggregation for Robust Visual Place Recognition [22.709465759219327]
本稿では,相補的VFMとロバストなグローバルアグリゲーションを融合した表現中心のフレームワークであるDC-VLAQを提案する。
我々は,DC-VLAQが強いベースラインを一貫して上回り,最先端の性能を実現していることを示す。
論文 参考訳（メタデータ） (2026-01-19T05:19:56Z) - Unseen from Seen: Rewriting Observation-Instruction Using Foundation Models for Augmenting Vision-Language Navigation [63.54377402784965]
視覚言語ナビゲーション(VLN)のためのリライト駆動型AugMentation(RAM)パラダイムを提案する。
書き換え機構から, シミュレータフリー, 省力両面において, 新たな観察・指導ペアを得ることができた。
離散環境(R2R,REVERIE,R4Rデータセット)と連続環境(R2R-CEデータセット)の両方における実験は,本手法の優れた性能と優れた一般化能力を示している。
論文 参考訳（メタデータ） (2025-03-23T13:18:17Z) - Generalized Face Forgery Detection via Adaptive Learning for Pre-trained Vision Transformer [54.32283739486781]
適応学習パラダイムの下で,textbfForgery-aware textbfAdaptive textbfVision textbfTransformer(FA-ViT)を提案する。
FA-ViTは、クロスデータセット評価において、Celeb-DFおよびDFDCデータセット上で93.83%と78.32%のAUCスコアを達成する。
論文 参考訳（メタデータ） (2023-09-20T06:51:11Z) - A-MuSIC: An Adaptive Ensemble System For Visual Place Recognition In
Changing Environments [22.58641358408613]
視覚的位置認識(VPR)は、ロボットナビゲーションとローカライゼーションシステムにおいて不可欠な要素である。
すべての環境条件において、単一のVPR技術が優れているわけではない。
A-MuSIC(Adaptive Multi-Self Identification and Correction)と呼ばれる適応型VPRシステム
A-MuSICは、テストされたすべてのベンチマークデータセット間で最先端のVPRパフォーマンスにマッチまたは打ち勝つ。
論文 参考訳（メタデータ） (2023-03-24T19:25:22Z) - Learning Feature Recovery Transformer for Occluded Person
Re-identification [71.18476220969647]
本稿では,FRT(Feature Recovery Transformer)と呼ばれる2つの課題を同時に解決する手法を提案する。
特徴マッチング時のノイズの干渉を低減するため,両画像に現れる可視領域に着目し,類似性を計算するための可視グラフを開発した。
2つ目の課題は、グラフの類似性に基づいて、各クエリ画像に対して、ギャラリー内の$k$-nearestの隣人の特徴セットを利用して、完全な特徴を復元するリカバリトランスフォーマを提案することである。
論文 参考訳（メタデータ） (2023-01-05T02:36:16Z) - Anticipating the Unseen Discrepancy for Vision and Language Navigation [63.399180481818405]
視覚言語ナビゲーションでは、エージェントは特定のターゲットに到達するために自然言語命令に従う必要がある。
目に見える環境と目に見えない環境の間に大きな違いがあるため、エージェントがうまく一般化することは困難である。
本研究では,テストタイムの視覚的整合性を促進することによって,未知の環境への一般化を学習する,未知の離散性予測ビジョンと言語ナビゲーション(DAVIS)を提案する。
論文 参考訳（メタデータ） (2022-09-10T19:04:40Z) - Lifelong Unsupervised Domain Adaptive Person Re-identification with
Coordinated Anti-forgetting and Adaptation [127.6168183074427]
本稿では,LUDA (Lifelong Unsupervised Domain Adaptive) という新たなタスクを提案する。
これは、モデルがターゲット環境のラベル付けされていないデータに継続的に適応する必要があるため、難しい。
我々は、CLUDA-ReIDと呼ばれるこのタスクのための効果的なスキームを設計し、そこでは、アンチフォージェッティングが適応と調和して調整される。
論文 参考訳（メタデータ） (2021-12-13T13:19:45Z) - Early Bird: Loop Closures from Opposing Viewpoints for
Perceptually-Aliased Indoor Environments [35.663671249819124]
本稿では,視点変化と知覚的エイリアスを同時に扱う新しい研究を提案する。
本稿では,VPRとSLAMの統合により,VPRの性能向上,特徴対応,グラフサブモジュールのポーズが著しく促進されることを示す。
知覚的エイリアス化や180度回転する極端な視点変化に拘わらず,最先端のパフォーマンスを実現するローカライズシステムについて初めて紹介する。
論文 参考訳（メタデータ） (2020-10-03T20:18:55Z) - Domain-invariant Similarity Activation Map Contrastive Learning for
Retrieval-based Long-term Visual Localization [30.203072945001136]
本研究では,多領域画像変換による領域不変特徴抽出のために,確率論的に一般アーキテクチャを定式化する。
そして、より精密な局所化のために、新しい勾配重み付き類似性活性化写像損失(Grad-SAM)を組み込んだ。
CMUSeasonsデータセットにおける提案手法の有効性を検証するために大規模な実験が行われた。
我々の性能は、最先端のイメージベースのローカライゼーションベースラインを中あるいは高精度で上回るか、あるいは上回る。
論文 参考訳（メタデータ） (2020-09-16T14:43:22Z)
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。