論文の概要: Online Geometric Change Detection via Scene Decomposition
- arxiv url: http://arxiv.org/abs/2609.17302v1
- Date: Tue, 15 Sep 2026 15:10:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.593495
- Title: Online Geometric Change Detection via Scene Decomposition
- Title（参考訳）: シーン分解によるオンライン幾何学的変化検出
- Abstract要約: 本稿では,LiDARやRGB-Dセンサを用いたオンライン幾何変化検出のためのCDSD(Change Detection via Scene Decomposition)というフレームワークを提案する。
幾何学的変化検出のための最初のサブマップベースのアプローチとして、以下の課題を特定し、対処する。
その結果、メリーランド州グレース・クォーターズの陸軍研究所で収集されたカスタムデータセットと、オープンソースのマルチセッション変化検出データセットについて、アルゴリズムを実証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous robots are increasingly deployed on long duration single- and multi-session missions in dynamic environments, where the ability to identify environmental changes such as fallen trees or opened doors provides important contextual information for online planning. We propose a framework called Change Detection via Scene Decomposition (CDSD) for accurate online geometric change detection using LiDAR or RGB-D sensors. Recent advances in geometric SLAM have made it possible to generate dense, tightly aligned maps without post processing, but comparing global maps across entire sessions is computationally expensive and does not allow for single-session online change detection. CDSD instead spatially decomposes mapped environments into unique scenes where changes can be found efficiently by comparing dense, local subsets of the global map called submaps. As the first submap-based approach for geometric change detection, we identify and address the following core challenges: 1) identifying appropriate scenes for change detection that require minimal redundant information; 2) generating dense and representative submaps for each scene; 3) detecting changes between submaps with differing fields of view; and 4) processing detected changes for real-time map reconstruction. Results demonstrate our algorithm on custom datasets collected at the Army Research Laboratory facility in Graces Quarters, Maryland, and on open-source multi-session change detection datasets.
- Abstract（参考訳）: 自律ロボットは、倒れた木や開いたドアなどの環境変化を識別する能力によって、オンラインプランニングにおいて重要なコンテキスト情報を提供する、動的環境における、長期にわたるシングルセッションとマルチセッションのミッションにますますデプロイされる。
本稿では,LiDARやRGB-Dセンサを用いたオンライン幾何変化検出のためのCDSD(Change Detection via Scene Decomposition)というフレームワークを提案する。
幾何SLAMの最近の進歩により、ポスト処理なしで密集した密集した地図を作成できるようになったが、セッション全体にわたるグローバルマップの比較は計算コストが高く、シングルセッションのオンライン変更検出ができない。
CDSDは、空間的に地図化された環境をユニークなシーンに分解し、サブマップと呼ばれるグローバルマップの密集した局所部分集合を比較することで、変化を効率的に見つけることができる。
幾何学的変化検出のための最初のサブマップベースのアプローチとして、以下の課題を特定し、対処する。
1) 最小限の冗長な情報を必要とする変更検出の適切な場面を特定すること。
2) 各シーンの濃密で代表的なサブマップを生成する。
3) 視野の異なる部分マップ間の変化を検出すること,及び
4) リアルタイム地図再構築のための処理が検出された。
その結果、メリーランド州グレース・クォーターズの陸軍研究所で収集されたカスタムデータセットと、オープンソースのマルチセッション変化検出データセットについて、アルゴリズムを実証した。
関連論文リスト
- Referring Change Detection in Remote Sensing Imagery [49.841833753558575]
本稿では、自然言語のプロンプトを利用してリモートセンシング画像の変化の特定のクラスを検出するReferring Change Detection (RCD)を紹介する。
我々は, (I) textbfRCDNet, (II) textbfRCDGen, (II) 拡散型合成データ生成パイプラインからなる2段階のフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-12T16:57:12Z) - Leveraging Geometric Priors for Unaligned Scene Change Detection [53.523333385654546]
Unaligned Scene Change Detectionは、視点アライメントを仮定することなく、異なるタイミングでキャプチャされた画像ペア間のシーン変化を検出することを目的としている。
非整合SCDの中核的課題に対処するために、初めて幾何学的事前を導入する。
視覚基盤モデルの強力な表現とそれらを統合した学習自由フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-14T14:31:08Z) - SChanger: Change Detection from a Semantic Change and Spatial Consistency Perspective [0.6749750044497732]
我々は,データ不足問題に対処するため,セマンティック・チェンジ・ネットワーク(SCN)と呼ばれる微調整戦略を開発した。
両画像間の変化位置は空間的に同一であり,空間的整合性(空間的整合性)の概念である。
これにより、マルチスケールな変更のモデリングが強化され、変更検出セマンティクスの基盤となる関係を捉えるのに役立ちます。
論文 参考訳（メタデータ） (2025-03-26T17:15:43Z) - Show Me What and Where has Changed? Question Answering and Grounding for Remote Sensing Change Detection [82.65760006883248]
我々は,CDQAG (Change Detection Question Answering and Grounding) という新しいタスクを導入する。
CDQAGは、解釈可能なテキスト回答と直感的な視覚的証拠を提供することで、従来の変更検出タスクを拡張している。
QAG-360Kと呼ばれる最初のCDQAGベンチマークデータセットを構築し、360K以上の質問、テキスト回答、およびそれに対応する高品質な視覚マスクを含む。
論文 参考訳（メタデータ） (2024-10-31T11:20:13Z) - ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。
本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-26T17:47:14Z) - ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳（メタデータ） (2024-03-26T17:46:25Z) - Hard Region Aware Network for Remote Sensing Change Detection [44.269913858088614]
変化検出(CD)は、都市管理や災害評価など、様々な現実世界の応用に不可欠である。
本稿では,ハード領域マイニングによる高精度な変化マップを提供するHRANetと呼ばれる新しい変化検出ネットワークを提案する。
論文 参考訳（メタデータ） (2023-05-31T02:52:38Z) - Mobile Mapping Mesh Change Detection and Update [0.0]
品質,カバレッジ,取得時間が異なるメッシュをマージする問題に対処する,完全な自動パイプラインを提案する。
提案手法は,距離と視認性に基づく変化検出,変化の持続可能性を評価する時系列解析,大域的最適化に基づくメッシュモザイキングに基づく。
論文 参考訳（メタデータ） (2023-03-13T15:24:06Z) - Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。
形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
論文 参考訳（メタデータ） (2022-08-01T17:45:36Z) - PlaneSDF-based Change Detection for Long-term Dense Mapping [10.159737713094119]
我々はPlane Signed Distance Fields(PlaneSDF)と呼ばれる新しい地図表現に基づく変更検出の問題について検討する。
ソースとターゲットシーンの点群を考慮し,PlaneSDFに基づく3段階の変更検出手法を提案する。
合成と実世界の両方のデータセットに対する我々のアプローチを評価し、オブジェクト検出のタスクを通じてその効果を実証する。
論文 参考訳（メタデータ） (2022-07-18T00:19:45Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳（メタデータ） (2020-10-12T13:26:30Z)
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。