論文の概要: PanOVOcc: Panoramic Embodied Open-Vocabulary Occupancy Mapping with Long-term Spatial Voxel Memory

• arxiv url: http://arxiv.org/abs/2609.31716v1
• Date: Mon, 21 Sep 2026 16:05:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 13:32:09.227831
• Title: PanOVOcc: Panoramic Embodied Open-Vocabulary Occupancy Mapping with Long-term Spatial Voxel Memory
• Title（参考訳）: PanoVOcc: 長期空間ボクセル記憶を用いたパノラマ塞栓型オープンボクシズムマッピング
• Abstract要約: PanOVOccは、パノラマ配列からの永続的セマンティック占有マッピングのためのトレーニング不要フレームワークである。 PanOVOccは、オンラインアーキテクチャ内でパノラマSLAM、オープン語彙認識、長期空間ボクセルメモリを統合する。
• 参考スコア（独自算出の注目度）: 21.401000472184844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Persistent semantic occupancy mapping is essential for embodied scene understanding. However, perspective-based systems provide limited spatial coverage, while existing panoramic methods primarily predict local volumes from single observations. We introduce PanOVOcc, a training-free framework for persistent open-vocabulary semantic occupancy mapping from panoramic sequences. PanOVOcc unifies panoramic SLAM, open-vocabulary perception, and long-term spatial voxel memory within an online architecture, continuously integrating geometric and semantic evidence into a global, language-queryable map. To facilitate systematic evaluation of this setting, we establish Pan-Replica and Pan-Holo360D, two benchmarks pairing continuous panoramic RGB-D sequences with scene-level semantic occupancy ground truth across synthetic and real-world scenes. Compared with the strongest evaluated baseline for each metric, PanOVOcc improves occupancy IoU and semantic mIoU by absolute +20.03 and +7.06 on Pan-Replica, and by +43.26 and +20.16 on Pan-Holo360D, respectively. The source code and the established benchmarks will be available at https://github.com/bakereet/PanOVOcc.
• Abstract（参考訳）: シーン理解には永続的セマンティック占有マッピングが不可欠である。 しかし、パースペクティブベースのシステムでは空間的範囲が限られており、既存のパノラマ法は主に単一観測から局所的な体積を予測する。 パノラマ配列からのオープン語彙セマンティック占有度マッピングのためのトレーニング不要フレームワークであるPanOVOccを紹介する。 PanOVOccは、オンラインアーキテクチャ内でパノラマSLAM、オープンボキャブラリ知覚、長期空間ボクセルメモリを統一し、幾何学的および意味的な証拠をグローバルで言語クエリ可能なマップに継続的に統合する。 そこで我々は,Pan-ReplicaとPan-Holo360Dという,連続的なパノラマRGB-Dシーケンスとシーンレベルのセマンティックな接地真実を組み合わせた2つのベンチマークを構築した。 パノボックは各計量において最強の評価基準線と比較して、パン・レプリカでは絶対+20.03と+7.06、パン・ホロ360Dでは+43.26と+20.16で占有率IoUとセマンティックmIoUを改善している。 ソースコードと確立されたベンチマークはhttps://github.com/bakereet/PanOVOcc.comから入手できる。

関連論文リスト

• PanoFuse: Panorama-Enhanced Vision-Language-Action Learning with Decoupled Semantic-Geometric Routing [15.467674034024112]
  VLA(Vision-Language-Action)ポリシーは、言語条件のロボット操作において有望なパフォーマンスを示している。 PanoFuseはパノラマで強化されたVLAフレームワークで、局所的な観察と大域的なパノラマ知覚を補完する。 パノフューズの平均成功率は52.9%であり、評価されたベースラインを上回り、新奇な対象、目に見えない背景、気を散らすような設定で一貫した利得を達成する。
  論文  参考訳（メタデータ） (2026-09-21T16:06:49Z)
• PanoWorld: Real-World Panoramic Generation [68.3569360188378]
  パノワールド(PanoWorld)は、現在の動作モデリングと長距離メモリの両方において、固定方向によるカメラ軌跡の変換を単純化する。 ワールド360の大規模な実験は、パノワールドの有効性を示し、大きなマージンで代替手法を上回った。
  論文  参考訳（メタデータ） (2026-07-10T17:59:32Z)
• Pano2World: End-to-End 3D Generation via Unified Multi-View Sequences [9.89397063309918]
  パノ2ワールドは屋内パノラマを入力とし、永続的で探索可能な3Dガウスのシーンを直接出力する。 実験により、Pano2Worldは、マルチポジションパノラマノビュー合成ベンチマークにおいて、既存の手法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2026-07-01T11:54:02Z)
• OmniCoT: A Benchmark for Global and Multi-Step Panoramic Reasoning [94.47284498900895]
  OmniCoTは,MLLMがグローバルなエビデンスを利用し,視点を越えて多段階の推論を行うことを可能にするパノラマ空間推論スイートである。 トレーニングのためにOmniCoT-Tは、パノラマ的な証拠に中間推論ステップを明示的にリンクする、構造化された段階的なChain-of-Thoughtアノテーションで構築されている。
  論文  参考訳（メタデータ） (2026-06-29T14:38:20Z)
• PanoWorld: Towards Spatial Supersensing in 360$^\circ$ Panorama World [20.19893789145407]
  本研究では, MLLMが連続的, 観測中心空間としての正方形射影パノラマを推論するために必要となるパノネイティブ理解について検討する。 球面形状を視覚ストリームに注入する球面空間交叉型パノワールドについて紹介する。 実験によると、PanoWorldはPanoSpace-Bench、H* Bench、R2R-CE Val-Unseenベンチマークにおいて、プロプライエタリベースラインとオープンソースベースラインの両方を大幅に上回っている。
  論文  参考訳（メタデータ） (2026-05-13T08:31:22Z)
• DiffPano: Scalable and Consistent Text to Panorama Generation with Spherical Epipolar-Aware Diffusion [60.45000652592418]
  本稿では,テキスト駆動型パノラマ生成フレームワークDiffPanoを提案し,拡張性,一貫性,多様なパノラマシーン生成を実現する。 DiffPanoは、不明瞭なテキスト記述とカメラのポーズによって、一貫した多様なパノラマ画像を生成することができることを示す。
  論文  参考訳（メタデータ） (2024-10-31T17:57:02Z)
• PanoGRF: Generalizable Spherical Radiance Fields for Wide-baseline Panoramas [54.4948540627471]
  広帯域パノラマのための一般化可能な球面放射場パノGRFを提案する。 パノGRFは、視線画像に基づいて訓練された一般化可能な放射場とは異なり、パノラマからパースペクティブへの変換から情報損失を回避する。 複数のパノラマデータセットの結果は、パノGRFが最先端の一般化可能なビュー合成法よりも著しく優れていることを示している。
  論文  参考訳（メタデータ） (2023-06-02T13:35:07Z)
• A Real-Time Online Learning Framework for Joint 3D Reconstruction and Semantic Segmentation of Indoor Scenes [87.74952229507096]
  本稿では,屋内シーンの3次元構造とセマンティックラベルを協調的に復元するリアルタイムオンライン視覚フレームワークを提案する。 列車時、ノイズの多い深度マップ、カメラ軌跡、および2Dセマンティックラベルを与えられたニューラルネットワークは、シーン空間に適切なセマンティックラベルでフレームの奥行きを融合させることを学習する。
  論文  参考訳（メタデータ） (2021-08-11T14:29:01Z)
• Panoramic Panoptic Segmentation: Towards Complete Surrounding Understanding via Unsupervised Contrastive Learning [97.37544023666833]
  我々は,パノラマパオプティックセグメンテーションを最も総合的なシーン理解として導入する。 完全な周囲の理解は、エージェントに最大限の情報を提供する。 標準ピンホール画像のモデルトレーニングを可能にし、学習した機能を異なるドメインに転送するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-01T09:37:27Z)

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。