論文の概要: PerSeM: Persistent Semantic Memory for Long-Horizon Open-Vocabulary UAV Mapping

• arxiv url: http://arxiv.org/abs/2609.19542v2
• Date: Fri, 18 Sep 2026 13:05:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.709085
• Title: PerSeM: Persistent Semantic Memory for Long-Horizon Open-Vocabulary UAV Mapping
• Title（参考訳）: PerSeM: 長距離オープン語彙UAVマッピングのための永続的セマンティックメモリ
• Abstract要約: PerSeMは、オープン語彙UAVマッピングのためのトレーニング不要な永続的セマンティックメモリフレームワークである。 PerSeMはフレームワイドなセマンティックな観察と、永続的な世界空間のボクセルを関連付け、マジョリティベースのセマンティックメモリを構築する。
• 参考スコア（独自算出の注目度）: 16.51600899057051
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-vocabulary segmentation enables rich semantic perception for UAVs, but frame-wise predictions can remain temporally inconsistent across repeated observations and changing viewpoints. We present PerSeM, a training-free persistent semantic memory framework for long-horizon open-vocabulary UAV mapping. PerSeM associates frame-wise semantic observations with persistent world-space voxels and constructs a majority-based semantic memory, which is conservatively refined through history-preserving spatial refinement, trust-aware replay, and context-guided verification. Experiments on the Forest and UAVScenes benchmarks show that persistent 3D memory provides substantial gains in semantic correctness and temporal stability over frame-wise predictions. Beyond this strong persistent-memory baseline, PerSeM provides consistent additional improvements, improving both semantic accuracy and temporal stability across all five evaluated UAVScenes sequences. Analysis using regions identified independently of the final PerSeM predictions further shows that these gains are concentrated in semantically difficult and temporally unstable regions, where majority-based memory is most likely to remain uncertain. These results demonstrate that persistent 3D aggregation provides a strong foundation for long-horizon semantic mapping, while conservative refinement of uncertain memory states can provide additional improvements without retraining or additional neural-network inference.
• Abstract（参考訳）: オープンボキャブラリセグメンテーションは、UAVに対する豊かな意味認識を可能にするが、フレームワイズ予測は、繰り返し観測や視点の変化によって時間的に矛盾する。 本稿では,長期自由語彙UAVマッピングのためのトレーニング不要な永続的セマンティックメモリフレームワークPerSeMを提案する。 PerSeMは、フレームワイドなセマンティックな観察と、永続的な世界空間のボクセルを関連付け、歴史的に保存された空間的洗練、信頼を意識したリプレイ、コンテキスト誘導検証によって保守的に洗練される多数ベースのセマンティックメモリを構築する。 ForestとUAVScenesベンチマークの実験では、永続的な3Dメモリはフレームワイドの予測よりも意味的正しさと時間的安定性を大幅に向上させることが示された。 この強力な永続メモリベースラインの他に、PerSeMは一貫性のある追加改善を提供し、5つの評価されたUAVScenesシーケンスのセマンティック精度と時間的安定性を改善している。 最終PerSeM予測とは独立に同定された領域を用いた分析により、これらのゲインが意味的に困難で時間的に不安定な領域に集中していることが示される。 これらの結果は、持続的な3Dアグリゲーションが長期のセマンティックマッピングの強力な基盤を提供する一方で、不確実な記憶状態の保守的改善は、再トレーニングや追加のニューラルネットワーク推論を伴わずに、さらなる改善をもたらすことを示している。

関連論文リスト

• Understanding Temporal Semantic Stability in Open-Vocabulary UAV Perception through Metric 3D Fusion [0.0]
  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。
  論文  参考訳（メタデータ） (2026-08-23T18:33:58Z)
• From Semantic Grounding to Decision Optimization: A Unified Framework for Long-Horizon UAV Vision-Language Navigation [40.51712647240084]
  UAVビジョン言語ナビゲーション(UAV-VLN)は、空のエージェントがオープンな3D環境で自然言語の指示に従うことを可能にすることに焦点を当てている。 現在のアプローチは、視覚的な観察における命令関連ランドマークの弱い接地、長距離履歴の不十分な活用、局所的なトラップや反復的な探索による不安定な決定の3つの複合的な問題に悩まされている。 これらの問題に対処する統合的意味決定フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-10T12:59:50Z)
• 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)
• FILT3R: Latent State Adaptive Kalman Filter for Streaming 3D Reconstruction [51.56484100374058]
  ストリーミング3D再構築は、受信フレームからオンラインで更新される永続的な潜伏状態を維持する。 FILT3Rは、トークン空間における状態推定として、リカレントな状態更新をキャストする。 コードはhttps://github.com/jinotter3/FILT3Rでリリースされる。
  論文  参考訳（メタデータ） (2026-03-19T04:56:36Z)
• SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
  自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。 本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
  論文  参考訳（メタデータ） (2026-03-16T02:55:14Z)
• 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)
• LMPOcc: 3D Semantic Occupancy Prediction Utilizing Long-Term Memory Prior from Historical Traversals [4.970345700893879]
  LMPOcc(Longal Memory Prior Occupancy)は、歴史的知覚出力から派生した長期記憶の優先順位を利用する最初の3次元占有予測手法である。 本研究では,長期記憶を組み込んだプラグイン・アンド・プレイアーキテクチャを導入し,グローバルな占有表現を同時に構築しながら,局所的な知覚を高める。
  論文  参考訳（メタデータ） (2025-04-18T09:58:48Z)
• 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。