論文の概要: PosEviLoc: Position-Conditioned Spatial Evidence for Language-Based 3D Localization

• arxiv url: http://arxiv.org/abs/2609.23534v1
• Date: Sun, 20 Sep 2026 10:25:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.845988
• Title: PosEviLoc: Position-Conditioned Spatial Evidence for Language-Based 3D Localization
• Title（参考訳）: PosEviLoc:言語に基づく3次元位置定位空間的エビデンス
• Abstract要約: 粗いテキスト-ポイント-クラウドローカライズのための問合せ対応フレームワークを提案する。 PosEviLocは、明示的な意味と空間的証拠を用いて、各候補のサブマップを評価する。 これは、対象位置と仮説的クエリ位置によって共同で決定される関係として方向をモデル化する。
• 参考スコア（独自算出の注目度）: 5.688091605184652
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Language-based 3D localization retrieves the point-cloud submap containing a target position from descriptions of nearby objects and their spatial relations. Existing methods typically compress queries and submaps into global descriptors, potentially obscuring object-level semantics and cross-description spatial coherence. We propose Position-Conditioned Evidence Localization (PosEviLoc), a query-position-aware framework for coarse text-to-point-cloud localization. Instead of relying on global matching, PosEviLoc evaluates each candidate submap using explicit semantic and spatial evidence. It models direction as a relation jointly determined by an object position and a hypothetical query position. The resulting Query-Position Spatial Evidence Field (QSEF) measures the fraction of query descriptions supported at each hypothetical position, explicitly capturing their agreement without using the ground-truth query pose to construct the evidence field. A Multi-Level Evidence Readout (MER) summarizes this evidence in a compact representation, which a lightweight MLP converts into a retrieval score. Across five benchmarks, PosEviLoc outperforms MNCL by an average of 17 percentage points in Recall@1. When used as a plug-and-play reranker, it improves MNCL by an average of 16 percentage points. Moreover, PosEviLoc introduces substantially fewer parameters and achieves faster inference speed than existing methods.
• Abstract（参考訳）: 言語に基づく3Dローカライゼーションは、近くのオブジェクトとその空間関係の記述から、ターゲット位置を含むポイントクラウドサブマップを検索する。 既存の方法は通常、クエリやサブマップをグローバルな記述子に圧縮し、オブジェクトレベルのセマンティクスやクロス記述空間コヒーレンスを隠蔽する。 本稿では,テキスト・ツー・ポイント・クラウド・ローカライゼーションのための問合せ対応フレームワークPosEviLocを提案する。 グローバルマッチングに頼る代わりに、PosEviLocは、明示的な意味的および空間的証拠を使用して、各候補のサブマップを評価する。 これは、対象位置と仮説的クエリ位置によって共同で決定される関係として方向をモデル化する。 結果、QSEF (Query-Position Spatial Evidence Field) は、各仮説的位置で支持されるクエリ記述の分数を測定し、証拠フィールドを構築するために、基幹的なクエリポーズを使わずに、その合意を明示的に把握する。 MER(Multi-Level Evidence Readout)は、この証拠をコンパクトな表現で要約し、軽量なMLPがスコアに変換する。 PosEviLocは5つのベンチマークでMNCLを平均17ポイント上回っている。 プラグアンドプレイのリランカとして使用すると、平均16ポイントのMNCLが向上する。 さらに、PosEviLocはかなり少ないパラメータを導入し、既存のメソッドよりも高速な推論速度を実現している。

関連論文リスト

• EgoHieraLoc: A Cortically Inspired Hierarchical Segmentation-Guided Framework for Egocentric Visual Query Localization [9.547789251222838]
  ビジュアルクエリローカライゼーション(VQL)は、エゴセントリックなビデオでクエリ対象を検索し、再ローカライズすることを目的としている。 人間の視覚は階層的なプロセスを通じてあいまいさを扱う。 我々は,VQL-2DとVQL-3Dの統一フレームワークである textbfEgoHieraLoc を提案する。
  論文  参考訳（メタデータ） (2026-08-10T14:31:01Z)
• Reference-Induced Consensus for Selective Posed-Reference Visual Localization [11.166886974945806]
  RIC-Locは、シーントレーニングなしのポーズ参照ローカライザである。 主推定器では、SfM-point-map-freeである。
  論文  参考訳（メタデータ） (2026-07-06T06:48:34Z)
• TOL: Textual Localization with OpenStreetMap [22.592886321477554]
  OpenStreetMap (OSM)は、リッチな意味と構造情報をエンコードするコンパクトで自由なマップ表現を提供する。 都市環境における2自由度(DoF)の正確な位置推定を目的としたT2Oグローバルローカライゼーションタスクを定式化する。 提案課題を支援するため,複数の大陸と多様な都市環境にまたがる大規模ベンチマークTOLを紹介する。
  論文  参考訳（メタデータ） (2026-04-02T05:43:07Z)
• Instance-free Text to Point Cloud Localization with Relative Position Awareness [37.22900045434484]
  テキスト・ツー・ポイント・クラウド クロスモーダル・ローカライゼーションは、未来のロボットと人間のコラボレーションにとって重要な視覚言語タスクである。 既存のアプローチの2つの重要な制限に対処する: 1) 地中実例への依存を入力とし、2) 潜在事例間の相対的な位置を無視する。 提案モデルは,テキストセル検索のための粗いステージと位置推定のための微細なステージを含む,2段階のパイプラインに従う。
  論文  参考訳（メタデータ） (2024-04-27T09:46:49Z)
• SQLNet: Scale-Modulated Query and Localization Network for Few-Shot Class-Agnostic Counting [67.97870844244187]
  CAC(class-agnostic counting)タスクは、最近、任意のクラスの全てのオブジェクトを、入力画像にいくつかの例を付与してカウントする問題を解くために提案されている。 我々は、スケール変調クエリーおよびローカライズネットワーク(Net)と呼ばれる、新しいローカライズベースのCACアプローチを提案する。 クエリとローカライゼーションの段階において、模範者のスケールを完全に探求し、各オブジェクトを正確に位置付けし、その近似サイズを予測することで、効果的なカウントを実現している。
  論文  参考訳（メタデータ） (2023-11-16T16:50:56Z)
• Collect-and-Distribute Transformer for 3D Point Cloud Analysis [82.03517861433849]
  本稿では,点雲の短距離・長距離コンテキストを通信するための収集・分散機構を備えた新しい変圧器ネットワークを提案する。 その結果,提案したCDFormerの有効性が示され,ポイントクラウドの分類とセグメンテーションタスクにおける最先端のパフォーマンスがいくつか提供された。
  論文  参考訳（メタデータ） (2023-06-02T03:48:45Z)
• Surface Reconstruction from Point Clouds by Learning Predictive Context Priors [68.12457459590921]
  点雲からの表面の再構成は、3Dコンピュータビジョンにとって不可欠である。 推論時に各ポイントクラウドに対して予測的クエリを学習することで予測的コンテキスト優先を導入する。 一つの形状や複雑なシーンの表面再構成実験の結果, 広く使用されているベンチマークでは, 最先端のベンチマークよりも顕著な改善が見られた。
  論文  参考訳（メタデータ） (2022-04-23T08:11:33Z)
• Dynamic Focus-aware Positional Queries for Semantic Segmentation [94.6834904076914]
  本稿では,動的焦点認識型位置情報クエリと呼ばれるセマンティックセグメンテーションのための,シンプルで効果的なクエリ設計を提案する。 我々のフレームワークはSOTAの性能を達成し、ResNet-50、Swin-T、Swin-Bのバックボーンによる1.1%、1.9%、および1.1%の単一スケールmIoUでMask2formerより優れています。
  論文  参考訳（メタデータ） (2022-04-04T05:16:41Z)
• SIRI: Spatial Relation Induced Network For Spatial Description Resolution [64.38872296406211]
  言語誘導型ローカライゼーションのための新しい関係誘導型ネットワーク(SIRI)を提案する。 提案手法は,80ピクセルの半径で測定した精度で,最先端手法よりも約24%優れていた。 提案手法は,Touchdownと同じ設定で収集した拡張データセットをうまく一般化する。
  論文  参考訳（メタデータ） (2020-10-27T14:04:05Z)

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。