論文の概要: ARC-Loc: Leveraging Azimuthal Ray Convergence as a Geometric Cue for Direct Cross-View Localization
- arxiv url: http://arxiv.org/abs/2609.04965v1
- Date: Fri, 04 Sep 2026 10:19:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:24.000492
- Title: ARC-Loc: Leveraging Azimuthal Ray Convergence as a Geometric Cue for Direct Cross-View Localization
- Title（参考訳）: ARC-Loc:Azimuthal Ray Convergence を応用した直視位置定位のための幾何学的キュー
- Abstract要約: クロスビュー・ローカライゼーション(CVL)は、地上画像とジオレファレンス衛星画像とのマッチングにより、地上画像のポーズを推定する。
衛星画像のマッチングと位置決めを外部の深度基礎モデルに頼らずに直接行うことができるリセクションと呼ばれる人間のナビゲーション技術に着想を得たアプローチを提案する。
- 参考スコア（独自算出の注目度）: 9.245490956012633
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cross-view localization (CVL) estimates the pose of a ground image by matching it to a geo-referenced satellite image. To bridge the extreme viewpoint gap, mainstream pipelines rely on Bird's-Eye-View (BEV) transformations or 2D-to-3D lifting. However, deriving 3D structures from a single ground image is fundamentally ill-posed, causing these methods to endure geometric distortions and computational costs during 3D lifting or BEV projection. Furthermore, relying on external depth foundation models to resolve this introduces latency and remains susceptible to noisy predictions. In this work, we present a different approach inspired by a human navigation technique called resection, that can perform direct ground to satellite image matching and localization without relying on external depth foundation models. The key insights of our method are that (i) ground keypoints can be translated into azimuthal rays on the satellite map, and (ii) these rays ideally converge at the user location. Exploiting this geometric constraint through direct line-to-point correspondences, we introduce a minimal Azimuthal Ray Convergence (ARC) solver to identify the intersection, alongside an ARC loss to optimize the matching network. By eliminating dependencies on computationally heavy BEV transformations and external depth foundation models, our approach achieves faster, memory-efficient inference, while its explicit feature matching ensures straightforward compatibility with existing frameworks. Experiments on VIGOR and KITTI demonstrate that ARC-Loc maintains competitive localization accuracy compared to recent approaches, highlighting its practicality.
- Abstract（参考訳）: クロスビュー・ローカライゼーション(CVL)は、地上画像とジオレファレンス衛星画像とのマッチングにより、地上画像のポーズを推定する。
極端な視点ギャップを埋めるために、主流パイプラインはBird's-Eye-View(BEV)変換や2D-to-3Dリフトに依存している。
しかし、単一の地上画像から3D構造を導出することは基本的には不適切であり、これらの手法は3DリフトまたはBEVプロジェクションにおいて幾何学的歪みと計算コストに耐えることになる。
さらに、この問題を解決するために外部の深度基盤モデルに依存すると、レイテンシが発生し、ノイズの多い予測がもたらされる。
本研究では,衛星画像のマッチングと位置決めを外部深度基礎モデルに頼らずに直接行うことができるリポジションと呼ばれる人間のナビゲーション技術に着想を得たアプローチを提案する。
私たちの方法のキーとなる洞察は
(i)地上キーポイントを衛星地図上の方位線に変換することができ、
(II)これらの光線は、理想的にはユーザ位置に収束する。
直列対点対応によりこの幾何学的制約を展開し、最小限のアジムタール線収束(ARC)ソルバを導入し、整合性ネットワークを最適化するためにARC損失とともに交差点を識別する。
計算量の多いBEV変換や外部深度基礎モデルへの依存をなくすことにより,提案手法は高速でメモリ効率の高い推論を実現し,その明示的な特徴マッチングにより既存のフレームワークとの直接的な互換性が保証される。
VIGOR と KITTI の実験では、ARC-Loc は最近のアプローチと比較して、競合するローカライゼーションの精度を維持しており、その実用性を強調している。
関連論文リスト
- Visual Relocalization from Sparse Views in Aliased and Low-Texture Environments via Novel View Synthesis [17.82023714307905]
本稿では,古典的対応に基づくパイプラインから離れる視覚的再ローカライズ手法を提案する。
私たちの重要な貢献は、測光と幾何学的損失を組み合わせた幾何学的学習戦略です。
この共同最適化により3DGSモデルが生成され,その基礎となるシーン形状に適合することを示す。
論文 参考訳（メタデータ） (2026-07-24T09:46:07Z) - NoDrift3R: Raymap-Guided Coupling for Drift-Robust Unposed Feed-Forward 3D Reconstruction [25.145305440192875]
Pose-Free Feed-forward 3D Gaussian Splattingは、最近、高速なシーン再構築のための強力なパラダイムとして登場した。
しかし、その性能は累積カメラポーズ推定ドリフトにより長い画像列で著しく低下する。
我々は、レイマップガイド結合モジュールを用いて、幾何と外観を明示的に結合する相乗的ポーズフリーフレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-08T09:02:18Z) - EO-VGGT: Orbital Ray-Conditioned 3D Foundation Models for Satellite Multi-View Reconstruction [14.023396396575132]
EO-VGGT(英語版)は、凍結した遠近法駆動のモデルを、明示的な物理幾何学的埋め込みによる軌道観測に適応させるフレームワークである。
この結果から, 衛星3Dの高機能化には, 明確な物理形状と視野選択の最適化が不可欠であることが示唆された。
論文 参考訳（メタデータ） (2026-07-01T04:19:49Z) - Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。
本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。
提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
論文 参考訳（メタデータ） (2026-04-02T08:08:41Z) - Relaxed Rigidity with Ray-based Grouping for Dynamic Gaussian Splatting [45.57187505601368]
本研究では,ガウスの局所的な幾何学的構造を4次元のシーンで明確に保存する手法を提案する。
提案手法は従来の手法よりも優れ,時間的整合性と復元性に優れていた。
論文 参考訳（メタデータ） (2026-03-26T03:38:38Z) - Robust Mesh Saliency GT Acquisition in VR via View Cone Sampling and Geometric Smoothing [59.12032628787018]
バーチャルリアリティー(VR)における人中心視覚モデリングには3次元メッシュサリエンシ基底真理が不可欠である
現在のVRアイトラッキングパイプラインは、単一線サンプリングとユークリッドのスムース化に依存しており、テクスチャの注意を喚起し、ギャップをまたいだ信号の漏洩を引き起こす。
本稿では,これらの制約に対処する頑健な枠組みを提案する。
論文 参考訳（メタデータ） (2026-01-06T05:20:12Z) - SPAN: Spatial-Projection Alignment for Monocular 3D Object Detection [49.12928389918159]
既存の単分子3D検出器は典型的には、切り離された予測パラダイムを通じて、3D境界ボックスの顕著な非線形回帰をテームする。
本稿では2つの主成分を持つ新しい空間射影アライメント(SPAN)を提案する。
SPANは、予測された3次元境界ボックスと接地した3次元境界ボックスの間に明らかに大域的な空間的制約を課し、それによって非結合な特性回帰による空間的ドリフトを補正する。
3D-2Dプロジェクションアライメントは、投影された3Dボックスが、画像平面上の対応する2D検出バウンディングボックス内に密に整列していることを保証する。
論文 参考訳（メタデータ） (2025-11-10T04:48:48Z) - Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。
地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。
実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
論文 参考訳（メタデータ） (2025-09-11T18:52:16Z) - GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。
提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
論文 参考訳（メタデータ） (2024-05-17T07:31:20Z) - Aligning Silhouette Topology for Self-Adaptive 3D Human Pose Recovery [70.66865453410958]
アーティキュレーション中心の2D/3Dポーズ監視は、既存の多くの人間のポーズ推定技術においてコアトレーニング目標を形成する。
本稿では,ソース学習モデルベース回帰器を適応させるために,シルエット監視のみに依存する新しいフレームワークを提案する。
我々は、トポロジカル・スケルトン表現を生シルエットから切り離すために、一連の畳み込みに優しい空間変換を開発する。
論文 参考訳（メタデータ） (2022-04-04T06:58:15Z)
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。