論文の概要: MatchCityLoc: Aerial Localization in LoD City Models via Surface Normal Matching

• arxiv url: http://arxiv.org/abs/2610.27110v1
• Date: Mon, 19 Oct 2026 18:10:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.45178
• Title: MatchCityLoc: Aerial Localization in LoD City Models via Surface Normal Matching
• Title（参考訳）: MatchCityLoc:表面正規マッチングによるLoD都市モデルの航空的位置推定
• Abstract要約: MatchCityLocは、ノイズの多い6-DoFポーズから特徴マッチングを指示するフレームワークである。 実験では、既成のLoD法で評価された手法の中で、強いポーズリコールと正確な翻訳と回転を示す。
• 参考スコア（独自算出の注目度）: 76.81099730054356
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous Unmanned Aerial Vehicle (UAV) navigation in urban environments requires precise pose estimation. Because Global Navigation Satellite System (GNSS) signals are often unreliable in cities, visual localization serves as a crucial complement. Within this domain, textureless Level-of-Detail (LoD) city models provide a lightweight and privacy-preserving substitute for heavy 3D textured meshes. However, localizing against abstract geometry is challenging. Existing pipelines typically score 2D silhouette overlaps, which can suffer from severe geometric ambiguities. We present MatchCityLoc, a framework that shifts this paradigm to direct feature matching from a noisy 6-DoF pose prior. By extracting surface normals from the query image using a zero-shot foundation model and matching them against rendered LoD normals, we establish explicit 3D-to-2D correspondences. This enables a Perspective-n-Point (PnP) pose solve, which we iteratively refine through a render-and-match loop. Experiments demonstrate strong pose recall and accurate translation and rotation among the evaluated off-the-shelf LoD-based methods with very few renderings. By bridging the modality gap between aerial imagery and texture-free geometry, MatchCityLoc enables accurate localization using lightweight, privacy-preserving city models.
• Abstract（参考訳）: 都市環境における無人航空機(UAV)のナビゲーションには正確なポーズ推定が必要である。 地球航法衛星システム(GNSS)信号は都市では信頼できないことが多いため、視覚的位置決めは重要な補完となる。 このドメイン内では、テクスチャレスのLevel-of-Detail(LoD)シティモデルが、重い3Dテクスチャメッシュの代わりに軽量でプライバシ保護を提供する。 しかし、抽象幾何学に対するローカライズは困難である。 既存のパイプラインは通常、2Dシルエットのオーバーラップをスコアするが、これは厳密な幾何学的曖昧さに悩まされる。 MatchCityLocは、このパラダイムをノイズの多い6-DoFポーズからダイレクトな特徴マッチングにシフトするフレームワークである。 ゼロショット基礎モデルを用いてクエリ画像から表面の正規表現を抽出し、それらをレンダリングされたLoD正規表現とマッチングすることにより、明示的な3D-to-2D対応を確立する。 これにより、パースペクティブ-n-Point(PnP)ポーズが解決され、レンダリング・アンド・マッチループを通じて反復的に洗練される。 実験では、非常に少ないレンダリングで評価されたオフザシェルフLoDベースの手法の中で、強いポーズリコールと正確な翻訳と回転を示す。 MatchCityLocは、空中画像とテクスチャのない幾何学のギャップを埋めることで、軽量でプライバシー保護の都市モデルを使って正確なローカライゼーションを可能にする。

関連論文リスト

• PlanarCityLoc: Breaking Silhouette Ambiguity in LoD Aerial Localization via 3D Planes [63.60588113207039]
  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。
  論文  参考訳（メタデータ） (2026-10-19T16:58:14Z)
• Visual Relocalization from Sparse Views in Aliased and Low-Texture Environments via Novel View Synthesis [17.82023714307905]
  本稿では,古典的対応に基づくパイプラインから離れる視覚的再ローカライズ手法を提案する。 私たちの重要な貢献は、測光と幾何学的損失を組み合わせた幾何学的学習戦略です。 この共同最適化により3DGSモデルが生成され,その基礎となるシーン形状に適合することを示す。
  論文  参考訳（メタデータ） (2026-07-24T09:46:07Z)
• 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)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• 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)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• GSplatLoc: Grounding Keypoint Descriptors into 3D Gaussian Splatting for Improved Visual Localization [1.4466437171584356]
  軽量なXFeat特徴抽出器から高密度かつ堅牢なキーポイント記述器を3DGSに統合する2段階の手順を提案する。 第2段階では、レンダリングベースの光度ワープ損失を最小限に抑え、初期ポーズ推定を洗練させる。 広く使われている屋内および屋外データセットのベンチマークは、最近のニューラルレンダリングベースのローカライゼーション手法よりも改善されていることを示している。
  論文  参考訳（メタデータ） (2024-09-24T23:18:32Z)

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。