論文の概要: TNVD-SC: Diagnosing Scan Context Failures in Forests with Terrain-Normalized Vertical Distributions

• arxiv url: http://arxiv.org/abs/2610.25637v1
• Date: Mon, 19 Oct 2026 01:28:06 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:08:36.466928
• Title: TNVD-SC: Diagnosing Scan Context Failures in Forests with Terrain-Normalized Vertical Distributions
• Title（参考訳）: TNVD-SC:地形内垂直分布を有する森林におけるスキャンコンテキスト障害の診断
• Abstract要約: 森林における長期LiDAR位置認識は、繰り返し植生や不均一な地形が深刻な構造的エイリアスを引き起こすため困難である。 この問題を解決するために地形正規化垂直分布スキャンコンテキスト(TNVD-SC)を提案する。 標準化されたTreeLoc++プロトコルの下では、TNVD-SCは91.83%の平均R@1に達し、比較したメソッドの中で最高R@1平均とR@1安定性を達成した。
• 参考スコア（独自算出の注目度）: 0.7734726150561086
• License:
• Abstract: Long-term LiDAR place recognition in forests is difficult because repetitive vegetation and uneven terrain create severe structural aliasing. We diagnose Scan Context (SC) by separating candidate retrieval from fine matching: on the standardized TreeLoc++ Wild-Places protocol, a TNVD support key places a valid location in the top-25 set for approximately 99% of queries, while conventional SC matching on those candidates reaches only 61.84% mean R@1. With an identical raw-SC candidate set, terrain normalization improves max-height cells by only 1.21 points but vertical-distribution cells by 19.72 points. These observations motivate Terrain-Normalized Vertical Distribution Scan Context (TNVD-SC), which preserves the SC ring-sector topology while encoding terrain-relative vertical probability distributions. Under the standardized TreeLoc++ protocol, TNVD-SC reaches 91.83% mean R@1 and attains the highest R@1 mean and R@1 stability among the compared methods, while TreeLoc++ remains stronger in mean MR, MF1, and AUC. The unchanged method reaches 85.14% mean R@1 on the four-session CVTNet-style NCLT evaluation. A lossless count-coded implementation with exact hierarchical Jensen-Shannon search reduces descriptor payload by 3.86x and compute latency by 23.8% without changing the audited retrieval outputs.
• Abstract（参考訳）: 森林における長期LiDAR位置認識は、繰り返し植生や不均一な地形が深刻な構造的エイリアスを引き起こすため困難である。 標準化されたTreeLoc++ Wild-Placesプロトコルでは、TNVDサポートキーがクエリの約99%で上位25セットに有効な場所を配置し、従来のSCマッチングではR@1の平均61.84%に過ぎなかった。 同一の生SC候補セットにより、地形の正規化は最大高さの細胞をわずか1.21ポイントで改善するが、垂直分布の細胞を19.72ポイントで改善する。 これらの観測は、地形相対的な垂直確率分布を符号化しながら、SCリングセクタトポロジーを保存するTerran-Normalized Vertical Distribution Scan Context (TNVD-SC) を動機付けている。 標準化されたTreeLoc++プロトコルでは、TNVD-SCはR@1平均91.83%に達し、比較したメソッドの中でR@1平均とR@1安定性を達成した。 また, CVTNet方式のNCLT評価では, R@1の平均値が85.14%に達した。 正確な階層的なJensen-Shannonサーチによる無数のカウントコード実装は、監査された検索出力を変更することなく、ディスクリプタのペイロードを3.86倍、計算遅延を23.8%削減する。

関連論文リスト

• Local SVD-Entropy Maps as a Complementary Structural Representation for Full-Reference and No-Reference Image Quality Assessment [0.0]
  2次元画像パッチから直接計算された特異値のシャノンエントロピーに基づく知覚画像品質評価(IQA)のための局所スペクトル複雑度表現 $3times3$-pixelグレースケールパッチ毎にSVDを直接適用し、正規化特異値エントロピーは1つのHSVD-map値を定義する。 レナでのネストした塩とペッパーの実験は、感度からさらなる劣化段階へのクリーンな参照と絶対的な類似性を分離している。 10,125個の歪んだKADID-10k画像の検証は、HSVD-SSIMがスタンドアロンのフル参照メトリックとして従来のSSIMよりも弱いことを示している。
  論文  参考訳（メタデータ） (2026-08-23T09:15:35Z)
• SwiftQK: Fast and Communication-Efficient Tensor Parallelism for Query-Key Normalization [1.9348146993746804]
  SwiftQKは、フルベクタAll-Gatherを使用して、標準のTP QK-Normと比較して、QK-Normのレイテンシを81.4--93.9%削減することを示す。 エンドツーエンドのサービスでは、SwiftQKは、All-Gatherベースラインで平均29.5%、最適化されたスカラーアグリゲーション実装で14.3%削減する。
  論文  参考訳（メタデータ） (2026-08-10T06:16:24Z)
• Task-Oriented Candidate-Latent Feedback for Coarse-to-Fine Sensing in Distributed OFDM-ISAC Networks [6.604029885021074]
  将来の統合センシング通信(ISAC)アーキテクチャは、推論を行うセンシング機能(SF)から測定を取得するセンシングエンティティ(SE)を分離する。 単一ターゲット推定のための候補遅延フィードバックを用いた学習に基づく粗大なセンサパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-08-04T08:26:06Z)
• GeoID-PINN: Identifiability-Aware Regional Epidemic Inference with Geographic Coupling [1.0875426095207128]
  本稿では,物理インフォームドニューラルネットワーク(PINN)を導入する。 我々は、距離、隣接性、通勤性、およびリードラグ情報から構築された空間先行を正規化する。 Forecast-Trained Geo-PINNは自己回帰的な負二項基底に対して、平均二乗誤差(MSE)を32,957から11,468、平均絶対誤差(MAE)を70.60から57.73に減少させる。
  論文  参考訳（メタデータ） (2026-07-28T05:59:23Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Set Shaping Theory as a Complementary Payload-Shaping Layer for Steganography [0.0]
  本稿では,少なくとも重要なビット(LSB)画像ステガノグラフィーのための可逆的ペイロード形成層として,SST(Set Shaping)を用いることについて検討する。 この提案は、既存のステガノグラフィー手法を置き換えることや、新しい埋め込み方式としてそれらと競合することを目的としていない。
  論文  参考訳（メタデータ） (2026-05-19T14:15:59Z)
• Thinking in Scales: Accelerating Gigapixel Pathology Image Analysis via Adaptive Continuous Reasoning [52.41928980786654]
  スライド画像全体に対してトークン効率のよいスケール空間連続推論を可能にするPathCTMを提案する。 PathCTMは診断推論を動的逐次情報追跡として定式化する。 必要な画像パッチの数を95.95%削減し、推論時間を約95.62%短縮し、AUCを劣化せずに維持する。
  論文  参考訳（メタデータ） (2026-05-19T07:46:44Z)
• Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
  Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。 実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。 本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-13T02:44:05Z)
• Certified Error Control of Candidate Set Pruning for Two-Stage Relevance Ranking [57.42241521034744]
  本稿では、妥当性ランキングのための候補セットプルーニングの認証エラー制御の概念を提案する。 提案手法は,第1段階から抽出した候補集合を抽出し,第2段階の復位速度を向上する。
  論文  参考訳（メタデータ） (2022-05-19T16:00:13Z)
• Second-Order Provable Defenses against Adversarial Attacks [63.34032156196848]
  ネットワークの固有値が有界であれば、凸最適化を用いて$l$ノルムの証明を効率的に計算できることを示す。 認証精度は5.78%,44.96%,43.19%であった。
  論文  参考訳（メタデータ） (2020-06-01T05:55:18Z)

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。