Fugu-MT 論文翻訳(概要): HuMemSLAM: Efficient Human-Inspired Semantic Place Recognition for Robust Visual SLAM

論文の概要: HuMemSLAM: Efficient Human-Inspired Semantic Place Recognition for Robust Visual SLAM

arxiv url: http://arxiv.org/abs/2609.17168v1
Date: Tue, 15 Sep 2026 13:32:32 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 14:56:08.535938
Title: HuMemSLAM: Efficient Human-Inspired Semantic Place Recognition for Robust Visual SLAM
Title（参考訳）: HuMemSLAM:ロバスト視覚SLAMのための効率的なヒューマンインスパイアされたセマンティックプレイス認識
Abstract要約: HuMem-VPRは、ボトムアップの知覚的証拠とトップダウンの文脈的推論との間の双方向の関係を利用して、高いレベルの場所理解を実現する。 HuMemSLAMは、HuMem-VPRとORB-SLAM3の統合である。
参考スコア（独自算出の注目度）: 35.64336780141345
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Autonomous systems require reliable place recognition for efficient and effective simultaneous localisation and mapping (SLAM). Traditional geometric visual SLAM approaches rely on low-level features and geometric consistency, but remain vulnerable to perceptual aliasing, where different places appear similar, and perceptual variation, where the same place appears different. Although semantic SLAM and modern learned visual place recognition (VPR) methods improve robustness under challenging perceptual conditions, real-time deployment requires both high retrieval accuracy and low latency. Inspired by human memory and perception, we propose HuMem-VPR, which exploits the bidirectional relationship between bottom-up perceptual evidence and top-down contextual reasoning to achieve high-level place understanding. We further introduce HuMemSLAM, the integration of HuMem-VPR with ORB-SLAM3. HuMem VPR achieved the highest aggregate retrieval accuracy on the real-image benchmark, competitive accuracy on the CARLA benchmark, and approximately two to three times lower latency than the evaluated state-of-the-art VPR methods. Across the evaluated dataset families and online experiments, HuMemSLAM substantially improved integrated Recall @1 over ORB-SLAM3's native retrieval while reducing the proposals submitted to its geometric backend.
Abstract（参考訳）: 自律システムは、効率よく効果的な同時ローカライゼーションとマッピング(SLAM)のための信頼性の高い位置認識を必要とする。伝統的な幾何学的視覚SLAMアプローチは、低レベルの特徴と幾何的整合性に依存するが、異なる場所が類似している知覚的エイリアスや、同じ場所が異なる知覚的変化に弱いままである。意味的SLAMと現代の学習的視覚的位置認識(VPR)手法は、困難な知覚条件下での堅牢性を改善するが、リアルタイムデプロイメントは高い精度と低レイテンシの両方を必要とする。人間の記憶と知覚にインスパイアされたHuMem-VPRは、ボトムアップの知覚的証拠とトップダウンの文脈的推論の双方向関係を利用して、高いレベルの場所理解を実現する。さらに,HuMem-VPRとORB-SLAM3を統合したHuMemSLAMを紹介する。 HuMem VPRは実画像のベンチマークにおいて最も高い集計精度、CARLAベンチマーク上での競合精度、そして評価された最先端のVPR手法よりも約2～3倍のレイテンシを達成した。評価されたデータセットファミリとオンライン実験全体を通じて、HuMemSLAMは、ORB-SLAM3のネイティブ検索に対するRecall @1の統合を大幅に改善し、幾何学的なバックエンドへの提案を削減した。

関連論文リスト

GSFF-SLAM: 3D Semantic Gaussian Splatting SLAM via Feature Field [17.57215792490409]
GSFF-SLAMは3次元ガウススプラッティングに基づく新しい意味論的SLAMシステムである。提案手法は, 様々な2次元先行情報, 特にスパース信号と雑音信号を用いた意味的再構成を支援する。 2D基底真理を利用する場合、GSFF-SLAMは95.03% mIoUで最先端のセマンティックセグメンテーション性能を達成する。
論文参考訳（メタデータ） (2025-04-28T01:21:35Z)
SelaVPR++: Towards Seamless Adaptation of Foundation Models for Efficient Place Recognition [91.98099115144511]
近年の研究では、事前学習した視覚基盤モデルを用いた視覚的位置認識(VPR)法が有望な性能を達成できることが示されている。本稿では,基礎モデルのVPRへのシームレスな適応を実現する新しい手法を提案する。効率の向上と性能向上のために,SelaVPR++と呼ばれるSelaVPRの拡張を提案する。
論文参考訳（メタデータ） (2025-02-23T15:01:09Z)
RGBD GS-ICP SLAM [1.3108652488669732]
一般化反復閉点(G-ICP)と3次元ガウススプラッティング(DGS)を融合した新しい密度表現SLAM手法を提案する。実験の結果,提案手法の有効性が示され,非常に高速な107 FPSが得られた。
論文参考訳（メタデータ） (2024-03-19T08:49:48Z)
UncLe-SLAM: Uncertainty Learning for Dense Neural SLAM [60.575435353047304]
我々は、高密度ニューラルネットワークの同時局所化とマッピング(SLAM)のための不確実性学習フレームワークを提案する。本稿では,2次元入力データのみから自己教師付きで学習可能なセンサ不確実性推定のためのオンラインフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-19T16:26:25Z)
Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文参考訳（メタデータ） (2022-09-21T02:33:07Z)
Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文参考訳（メタデータ） (2021-11-08T07:57:30Z)
SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation [81.03485688525133]
Single-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation (SIMPLE) を提案する。具体的には、トレーニングプロセスにおいて、SIMPLEが高性能なトップダウンパイプラインからのポーズ知識を模倣できるようにする。さらに、SIMPLEは人間検出とポーズ推定を統一的なポイントラーニングフレームワークとして定式化し、単一ネットワークで相互に補完する。
論文参考訳（メタデータ） (2021-04-06T13:12:51Z)
Accurate Visual-Inertial SLAM by Feature Re-identification [4.263022790692934]
空間時空間感度サブグローバルマップから既存の特徴を再同定し,効率的なドリフトレスSLAM法を提案する。本手法は67.3%,87.5%の絶対翻訳誤差を最小の計算コストで削減する。
論文参考訳（メタデータ） (2021-02-26T12:54:33Z)
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)
On estimating gaze by self-attention augmented convolutions [6.015556590955813]
本稿では,学習した特徴の質を向上させるために,自己注意型拡張畳み込みに基づく新しいネットワークアーキテクチャを提案する。私たちは、Attention-augmented ResNet(ARes-14)を2つの畳み込みバックボーンとして探求するフレームワークをARes-gazeと呼びました。その結果,MPIIFaceGazeデータセットの最先端手法と比較して平均角誤差が2.38%減少し,EyeDiapデータセットの2位となった。
論文参考訳（メタデータ） (2020-08-25T14:29:05Z)

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。