論文の概要: VEOcc++: Learning Persistent Voxel Feature Maps for Embodied Online Semantic Occupancy Mapping and Offline Refinement
- arxiv url: http://arxiv.org/abs/2610.27704v1
- Date: Tue, 20 Oct 2026 06:21:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.67283
- Title: VEOcc++: Learning Persistent Voxel Feature Maps for Embodied Online Semantic Occupancy Mapping and Offline Refinement
- Title（参考訳）: VEOcc++:Embodied Online Semantic Occupancy Mappingとオフラインリファインメントのための永続的Voxel機能マップの学習
- Abstract要約: VEOcc++は、セマンティック占有マッピングの両段階を接続する統合ボクセル中心のフレームワークである。
VEOcc++は67.12%のIoUと58.40%のmIoUを達成した。
- 参考スコア（独自算出の注目度）: 18.718255873640114
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Semantic occupancy mapping supports embodied perception during exploration and detailed scene understanding afterward, giving rise to two complementary requirements: online incremental mapping for maintaining an up-to-date global map under causal constraints, and offline global map refinement for improving the completed scene representation with additional computation. We present VEOcc++, a unified voxel-centric framework that connects both stages through a persistent sparse voxel feature map. During exploration, the map expands with newly observed regions and integrates aligned local features through reliability-guided updates, while context-aware decoding produces the current semantic occupancy map. After exploration, cached local features are consolidated as complementary evidence and combined with the completed online representation for multi-scale spatial refinement. On EmbodiedOcc-ScanNet, VEOcc++ achieves 67.12\% IoU and 58.40\% mIoU, establishing new state-of-the-art performance for online incremental mapping. With the local predictor fixed, our online mapping pipeline outperforms VEOcc fusion by 3.70 IoU and 3.74 mIoU points, demonstrating substantial gains from the proposed global mapping design. Offline global map refinement further improves the completed map to 67.79% IoU and 59.37% mIoU using only the observations acquired during exploration. Zero-shot deployment on a mobile robot further demonstrates transferability to unseen environments, onboard feasibility, and scalability to large-scale indoor mapping. Project page: https://wryzju.github.io/VEOccpp/.
- Abstract（参考訳）: 意味的占有マッピングは、探索中の知覚の具体化と、その後の詳細なシーン理解をサポートし、因果的制約の下で最新のグローバルマップを維持するためのオンラインインクリメンタルマッピングと、さらなる計算で完了シーン表現を改善するためのオフライングローバルマップ改善の2つの相補的な要件をもたらす。
本稿では,VeOcc++について述べる。VeOcc++は統一されたボクセル中心のフレームワークで,両方のステージを永続的なスパース・ボクセル特徴マップを介して接続する。
探索中、マップは新たに観測された領域と拡張し、信頼性に配慮した更新を通じて、整列したローカル特徴を統合する。
探索後、キャッシュされた局所的特徴は補完的な証拠として統合され、マルチスケール空間改善のためのオンライン表現と組み合わせられる。
EmbodiedOcc-ScanNetでは、VEOcc++は67.12\% IoUと58.40\% mIoUを達成した。
ローカルな予測器を固定することで、我々のオンラインマッピングパイプラインはVEOcc融合を3.70 IoUと3.74 mIoUで上回り、提案されたグローバルマッピング設計から大幅に向上した。
オフラインのグローバルマップの改良により67.79%のIoUと59.37%のmIoUに改良され、探査中に得られた観測のみを使用する。
モバイルロボットへのゼロショット展開は、見えない環境への転送可能性、搭載可能な可能性、大規模屋内マッピングへのスケーラビリティをさらに示す。
プロジェクトページ: https://wryzju.github.io/VEOccpp/。
関連論文リスト
- RTMap: Real-Time Recursive Mapping with Change Detection and Localization [8.343318095882232]
RTMapは、自己進化メモリとして、マルチトラバースHDマップを継続的にクラウドソーシングする。
オンボードエージェントでは、RTMapはエンドツーエンドの方法で、同時に3つのコア課題に対処する。
いくつかの公道自動運転データセットの実験は、事前支援された地図の品質と位置決め精度の両方において、我々の確固たる性能を実証している。
論文 参考訳（メタデータ） (2025-07-01T17:32:30Z) - EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。
また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。
CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
論文 参考訳（メタデータ） (2025-04-28T02:41:12Z) - SF-Loc: A Visual Mapping and Geo-Localization System based on Sparse Visual Structure Frames [3.5047603107971397]
SF-Locは軽量なビジュアルマッピングとマップ支援型ローカライゼーションシステムである。
マッピングフェーズでは,多センサ高密度バンドル調整(MS-DBA)を適用し,ジオレファレンスな視覚構造フレームを構築する。
ローカライズフェーズでは、多フレーム情報と地図分布を完全に統合した粗大な視覚に基づくローカライズを行う。
論文 参考訳（メタデータ） (2024-12-02T13:51:58Z) - Real-Time Metric-Semantic Mapping for Autonomous Navigation in Outdoor Environments [18.7565126823704]
大規模屋外環境のグローバルなメトリセマンティックメッシュマップを生成するオンラインメトリセマンティックマッピングシステムを提案する。
シナリオスケールに関わらず,フレーム処理は7ms未満で,マッピング処理は例外的な速度を実現する。
実世界のナビゲーションシステムにマップを組み込むことにより,大学構内における測地情報に基づく地形評価と自律的なポイント・ツー・ポイントナビゲーションを実現する。
論文 参考訳（メタデータ） (2024-11-30T00:05:10Z) - Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳（メタデータ） (2024-10-10T10:10:03Z) - GenMapping: Unleashing the Potential of Inverse Perspective Mapping for Robust Online HD Map Construction [20.1127163541618]
我々はGenMappingというユニバーサルマップ生成フレームワークを設計した。
このフレームワークは、主および二重補助枝を含む三進的なシナジーアーキテクチャで構築されている。
実験結果の網羅的な配列から,提案手法はセマンティックマッピングとベクトル化マッピングの両方において最先端の手法を超越し,高速な推論速度を維持した。
論文 参考訳（メタデータ） (2024-09-13T10:15:28Z) - BEVBert: Multimodal Map Pre-training for Language-guided Navigation [75.23388288113817]
視覚・言語ナビゲーション(VLN)における空間認識型マップベース事前学習パラダイムを提案する。
我々は,グローバルなトポロジカルマップにおけるナビゲーション依存性をモデル化しながら,不完全な観測を明示的に集約し,重複を取り除くための局所距離マップを構築した。
ハイブリッドマップをベースとして,マルチモーダルマップ表現を学習するための事前学習フレームワークを考案し,空間認識型クロスモーダル推論を強化し,言語誘導ナビゲーションの目標を導出する。
論文 参考訳（メタデータ） (2022-12-08T16:27:54Z) - Vision-based Large-scale 3D Semantic Mapping for Autonomous Driving
Applications [53.553924052102126]
ステレオカメラシステムのみに基づく3次元セマンティックマッピングのための完全なパイプラインを提案する。
パイプラインは、直接視覚的オドメトリーのフロントエンドと、グローバルな時間統合のためのバックエンドで構成されている。
本稿では,3次元点ラベルの品質と一貫性を向上する,単純だが効果的な投票方式を提案する。
論文 参考訳（メタデータ） (2022-03-02T13:18:38Z) - OmniSLAM: Omnidirectional Localization and Dense Mapping for
Wide-baseline Multi-camera Systems [88.41004332322788]
超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。
より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。
我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
論文 参考訳（メタデータ） (2020-03-18T05:52:10Z)
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。