論文の概要: Geometry-Conditioned Visual Place Recognition in Natural Environments

• arxiv url: http://arxiv.org/abs/2609.27370v1
• Date: Wed, 23 Sep 2026 05:19:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.894667
• Title: Geometry-Conditioned Visual Place Recognition in Natural Environments
• Title（参考訳）: 自然環境における幾何学的視覚的位置認識
• Abstract要約: Depth-Aware Distillation (DAD) による相補的幾何整合性の利用 DADは、深度センサーを使わずにGeometric Foundation Model (GFM)によって推定される幾何学上の事前訓練されたビジョンファウンデーションモデル(VFM)のトークン表現を条件にしている。 2段階の教師指導型学習戦略は、まず、幾何学条件付き表現を事前訓練された外観空間に固定し、その後、位置識別のために精製する。
• 参考スコア（独自算出の注目度）: 11.751879379391632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual Place Recognition (VPR) in natural environments remains challenging due to repetitive vegetation, sparse distinctive landmarks, and substantial appearance and viewpoint variation across traversals. While visual observations of the same place can change considerably, their underlying spatial structure is often more persistent. We exploit this complementary geometric consistency through Depth-Aware Distillation (DAD), which conditions the token representations of a pretrained Vision Foundation Model (VFM) on geometry inferred by a Geometric Foundation Model (GFM), without any depth sensor. Rather than treating geometry as an additional input modality, DAD projects image-aligned depth into the VFM token space and selectively modulates visual representations through channel-wise geometric conditioning. A two-stage teacher-guided learning strategy first anchors the geometry-conditioned representation to the pretrained appearance space, before refining it for place discrimination. Evaluated on the WildCross benchmark, DAD improves average inter-sequence Recall@1 from 61.41% to 66.37% and Recall@5 from 65.86% to 72.49% over a matched appearance-only baseline, with the largest gains under reverse traversal and long-term appearance variation. These results show that GFM-derived geometry can provide a persistent structural prior for VPR when visual appearance becomes unreliable.
• Abstract（参考訳）: 自然環境における視覚的位置認識(VPR)は、反復的な植生、希少な特徴的ランドマーク、および交通路間の実質的な外観と視点の変化により、依然として困難なままである。 同じ場所の視覚的な観察は、かなり変化するが、その基盤となる空間構造は、しばしばより永続的である。 我々はこの相補的な幾何的整合性を利用して、深度センサを使わずに、幾何基礎モデル(GFM)によって推定される幾何上で、事前訓練されたビジョンファンデーションモデル(VFM)のトークン表現を条件付ける。 幾何学を付加的な入力モダリティとして扱う代わりに、DADは画像整列深さをVFMトークン空間に投影し、チャネルワイドな幾何学的条件付けによって視覚的表現を選択的に変調する。 教師が指導する2段階の学習戦略は、まずジオメトリ条件の表現を事前訓練された外観空間に固定し、次に位置識別のために精製する。 WildCrossベンチマークに基づいて、DADは平均シーケンス間リコール@1を61.41%から66.37%に改善し、Recall@5を65.86%から72.49%に改善した。 これらの結果から,視覚的外観が信頼できなくなると,GFM由来の形状がVPRに持続的な構造を与える可能性が示唆された。

関連論文リスト

• GeoUniPR: A Geometry-Consistent Unified Framework for Cross-Modal Place Recognition [8.76030434763729]
  CMPR(Cross-Modal Place Recognition)は、視覚やLiDARなどの異質な知覚モーダル間で同じ位置を識別することを目的としている。 既存の手法は、複雑なアライメントモジュール、マルチステージトレーニング、あるいは事前訓練されたバックボーンの完全な微調整を用いて、モダリティギャップをブリッジする。 本研究では,GeoUniPRを提案する。
  論文  参考訳（メタデータ） (2026-08-10T03:52:01Z)
• Geometry-Guided Self-Supervision for Ultra-Fine-Grained Recognition with Limited Data [73.20753799870282]
  本稿では,非常に類似した物体の内在的幾何学的特徴について検討する。 GAEor(Geometric Attribute Exploration Network)と呼ばれる,汎用的な自己管理型フレームワークを導入する。 GAEorは、新しい代替認識手段として幾何学的属性を生成する。
  論文  参考訳（メタデータ） (2026-04-21T11:27:33Z)
• Make Geometry Matter for Spatial Reasoning [62.61667611352403]
  視覚言語モデル(VLM)は、強いイメージと映像理解を実現するが、静的シーンとダイナミックビデオの両方で空間的推論を行う能力は限られている。 近年の進歩は、事前訓練された3次元基礎モデルから幾何学トークンをVLMに注入することで、この制限に対処しようとしている。 我々は、VLMが幾何トークンで積極的に推論するように促すことにより、幾何学的問題を作るためのフレームワークGeoSRを提案する。
  論文  参考訳（メタデータ） (2026-03-27T17:45:12Z)
• Rectifying Geometry-Induced Similarity Distortions for Real-World Aerial-Ground Person Re-Identification [4.039576422478934]
  航空地上人物再識別(AG-ReID)は、極端な視点と距離の相違により根本的な課題である。 既存の手法は幾何学的特徴学習や外観条件付きプロンプトに依存している。 Geometry-induced Query-Key Transformation (GIQT) は、カメラ幾何学におけるクエリキーの相互作用を条件に、類似性空間を補正する軽量な低ランクモジュールである。
  論文  参考訳（メタデータ） (2026-01-29T08:41:42Z)
• Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
  本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。 実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-01-01T12:48:56Z)
• Geometry-Editable and Appearance-Preserving Object Compositon [67.98806888489385]
  汎用オブジェクト合成(GOC)は、対象オブジェクトを望まれる幾何学的性質を持つ背景シーンにシームレスに統合することを目的としている。 近年のアプローチは意味的埋め込みを導出し、それらを高度な拡散モデルに統合し、幾何学的に編集可能な生成を可能にする。 本稿では,まずセマンティックな埋め込みを活用して,所望の幾何学的変換を暗黙的にキャプチャするDistangled Geometry-editable and Outearance-Preserving Diffusionモデルを提案する。
  論文  参考訳（メタデータ） (2025-05-27T09:05:28Z)
• DVP-MVS: Synergize Depth-Edge and Visibility Prior for Multi-View Stereo [8.303396507129266]
  そこで我々は,DVP-MVSを提案する。DVP-MVSは,より堅牢で可視性の高いパッチ変形に先立って,奥行き整合とクロスビューを相乗化できる。 本手法は, 頑健さと一般化性に優れ, 最先端の性能を実現することができる。
  論文  参考訳（メタデータ） (2024-12-16T09:09:10Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)

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。