論文の概要: PlanarCityLoc: Breaking Silhouette Ambiguity in LoD Aerial Localization via 3D Planes

• arxiv url: http://arxiv.org/abs/2610.26729v1
• Date: Mon, 19 Oct 2026 16:58:14 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-21 06:56:09.42072
• Title: PlanarCityLoc: Breaking Silhouette Ambiguity in LoD Aerial Localization via 3D Planes
• Title（参考訳）: PlanarCityLoc:3次元平面によるLoD空中局在におけるシルエットの曖昧さを破る
• Abstract要約: 建築ファサードや屋根の形状を活かしてシルエットのオーバーラップを超えるPlanarCityLocを提案する。 UAVD4L-LoDv2とSwiss-PFLEv2の実験は、既製のLoDベースの評価手法の中で最先端のリコールを実現する。
• 参考スコア（独自算出の注目度）: 63.60588113207039
• License:
• Abstract: Aerial visual localization is crucial for autonomous drone navigation in urban environments where GNSS signals are often degraded. Lightweight textureless Level-of-Detail (LoD) city models provide a geometric map alternative to textured assets. Existing silhouette-based methods rely on image-space alignment, which can leave different camera poses indistinguishable and favor incorrect poses when segmentation errors distort the building outlines. We present PlanarCityLoc, which moves beyond silhouette overlap by leveraging the planar geometry of building facades and roofs. Following geometry-aware initialization, we match image-side planar patches to LoD model planes and use the resulting 3D-to-2D correspondences to refine pose with Perspective-n-Point (PnP). The framework uses off-the-shelf geometry and segmentation models without dataset-specific training or fine-tuning. Experiments on UAVD4L-LoDv2 and Swiss-EPFLv2 achieve state-of-the-art localization recall among the evaluated off-the-shelf LoD-based methods. By grounding image-space alignment in 3D planes, PlanarCityLoc enables more accurate aerial localization with lightweight, textureless city maps.
• Abstract（参考訳）: GNSS信号が劣化する都市環境では、航空的な視覚的位置決めが自律的なドローンナビゲーションに不可欠である。 軽量なテクスチャレスレベル・オブ・ディテール(LoD)都市モデルは、テクスチャ化された資産の代わりに幾何学地図を提供する。 既存のシルエットベースの手法は画像空間のアライメントに依存しており、異なるカメラのポーズを区別不能にし、セグメンテーションエラーが建物のアウトラインを歪ませたときに間違ったポーズを好むことができる。 建築ファサードと屋根の平面形状を活用することでシルエットオーバーラップを越えてPlanarCityLocを提案する。 幾何認識初期化の後、画像側平面パッチをLoDモデル平面にマッチングし、3D-to-2D対応を用いてパースペクティブ-n-Point(PnP)でポーズを洗練する。 このフレームワークは、データセット固有のトレーニングや微調整なしで、既製の幾何学とセグメンテーションモデルを使用する。 UAVD4L-LoDv2とSwiss-EPFLv2の実験は、既成のLoDに基づく評価手法の中で、最先端の局所化リコールを実現する。 PlanarCityLocは3Dの飛行機に画像空間のアライメントを組み込むことで、軽量でテクスチャのない都市地図でより正確な位置決めを可能にする。

関連論文リスト

• GOPI: Generation-Oriented 3D Pose Inference for Furniture Insertion from Single-View RGB-D Indoor Scenes [55.50433346262017]
  室内シーン画像に新しい家具を挿入する問題について検討する。 マスク付きシングルビュー2D画像平面条件付けでは、シーンに対する挿入家具の物理的スケールを一意に決定できない。 我々は3次元ポーズ推論と幾何誘導画像生成の組み合わせでタスクを再構築する。
  論文  参考訳（メタデータ） (2026-08-07T05:54:47Z)
• SemCityLoc: Aerial 6DoF Localization Using Semantic 3D City Models [51.121529170856064]
  本研究では,空中ポーズ推定を再構成する意味幾何学的アライメントシステムSemCityLocを提案する。 粗い輪郭や密集したテクスチャをマッチングする代わりに、本手法は、セマンティックサーフェスとモノクルディープを軽量なセマンティック3Dビルディングモデルと整合させる。 実験は、既存のマップベースのアプローチよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2026-06-25T18:13:39Z)
• SceneAligner: 3D-Grounded Floorplan Localization in the Wild [24.114337264203428]
  本研究では,現場の3次元再構成表現にタスクを接地することで,野生環境におけるフロアプランのローカライズを行う手法を提案する。 本手法は,重力に整合した3次元シーンを再構成し,フロアプランプロキシとして機能する2次元密度マップに投影する。 密度マップと建築フロアプランの外観ギャップを埋めるために, 2次元基礎モデルを適用し, 相互対応を学習する。
  論文  参考訳（メタデータ） (2026-05-21T14:53:05Z)
• SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
  UAV VLNのための幾何学誘導空間表現フレームワークを提案する。 明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。 実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-22T03:56:58Z)
• PlanaReLoc: Camera Relocalization in 3D Planar Primitives via Region-Based Structure Matching [21.698140922880402]
  我々は,平面プリミティブと3次元平面マップを用いた軽量6-DoFカメラ再位置推定の先駆者となった。 PlanaReLocは、深いマーカがクエリイメージと学習された統合埋め込み空間内のマップに平面プリミティブを関連付ける、合理化された平面中心のパラダイムである。
  論文  参考訳（メタデータ） (2026-03-21T13:30:16Z)
• PLANA3R: Zero-shot Metric Planar 3D Reconstruction via Feed-Forward Planar Splatting [56.188624157291024]
  提案するPLANA3Rは,提案しない2次元画像から平面3次元再構成を計測するためのポーズレスフレームワークである。 トレーニング中に3次元平面アノテーションを必要とする以前のフィードフォワード法とは異なり、PLANA3Rは明確な平面監督なしで平面3次元構造を学習する。 本研究は,複数の室内環境データセットに対するPLANA3Rの有効性を検証するとともに,領域外屋内環境への強力な一般化を実証する。
  論文  参考訳（メタデータ） (2025-10-21T15:15:33Z)
• Unposed Sparse Views Room Layout Reconstruction in the Age of Pretrain Model [15.892685514932323]
  マルチビュールームレイアウト推定のための新しい手法であるPlain-DUSt3Rを提案する。 Plane-DUSt3RはDUSt3Rフレームワークを室内レイアウトデータセット(Structure3D)に組み込んで構造平面を推定する。 均一かつ同相な結果を生成することにより、Plane-DUSt3Rは、単一の後処理ステップと2D検出結果のみを用いて、部屋レイアウトの推定を可能にする。
  論文  参考訳（メタデータ） (2025-02-24T02:14:19Z)
• GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
  本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。 提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
  論文  参考訳（メタデータ） (2024-05-17T07:31:20Z)

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。