論文の概要: PGGT-Loc: Primitive-Grounded Geometry Transformer for Feed-Forward Camera Localization

• arxiv url: http://arxiv.org/abs/2610.41833v1
• Date: Fri, 30 Oct 2026 14:50:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.778038
• Title: PGGT-Loc: Primitive-Grounded Geometry Transformer for Feed-Forward Camera Localization
• Title（参考訳）: PGGT-Loc:フィードフォワードカメラローカライゼーションのためのプリミティブグラウンド幾何変換器
• Abstract要約: 提案するカメラローカライゼーションの概念は,クエリ観測結果に基づいてカメラのポーズを推定し,プリミティブをマップするものである。 本稿では,Primitive-Grounded Geometry TransformerネットワークであるPGGTを用いて,平面プリミティブの文脈で概念をインスタンス化する。 本手法は,高密度表面マップと最小レイアウトモデルの両方において,最先端のローカライゼーション性能を推し進める。
• 参考スコア（独自算出の注目度）: 24.19480938238517
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camera localization methods are mostly multi-stage pipelines relying on dedicated and complex maps that are costly to construct, store, and maintain over time. Alternatively, well-structured maps that organize scenes with compact yet expressive primitives are often readily available, providing rich structural and semantic cues that humans can interpret. However, their potential for direct camera localization remains largely unexplored due to the significant modality gap between map primitives and visual observations. This motivates a new concept for localization, which estimates camera poses by grounding query observations to map primitives. In this paper, we instantiate the concept in the context of planar primitives with PGGT, the Primitive-Grounded Geometry Transformer network. Given a single query image and a set of planar map primitives, the network is trained to predict multiple localization targets for feed-forward 6-DoF camera localization that generalizes to unseen environments. With this straightforward and scalable architecture, our method pushes the state-of-the-art localization performance on both dense surface maps and minimal layout models. The code and models are available at https://github.com/3dv-casia/PGGT-Loc
• Abstract（参考訳）: カメラのローカライゼーション手法は主に、時間をかけて構築、保存、維持するのにコストがかかる、専用で複雑なマップに依存するマルチステージパイプラインである。 あるいは、コンパクトで表現力のあるプリミティブでシーンを整理するよく構造化された地図は、しばしば容易に利用でき、人間が解釈できる豊富な構造的・意味的な手がかりを提供する。 しかし、地図のプリミティブと視覚的観察の間に大きなモダリティの差があるため、直接カメラのローカライゼーションの可能性はほとんど解明されていない。 これはローカライゼーションのための新しい概念を動機付けており、これはカメラのポーズを推定し、クエリ観測をマッププリミティブにグラウンドすることで推定する。 本稿では,Primitive-Grounded Geometry TransformerネットワークであるPGGTを用いて,平面プリミティブの文脈で概念をインスタンス化する。 単一のクエリイメージと平面マッププリミティブが与えられたネットワークは、フィードフォワード6-DoFカメラのローカライゼーションのための複数のローカライゼーションターゲットを予測して、目に見えない環境に一般化するように訓練されている。 この単純でスケーラブルなアーキテクチャにより、我々は高密度表面マップと最小レイアウトモデルの両方で最先端のローカライゼーション性能を推し進める。 コードとモデルはhttps://github.com/3dv-casia/PGGT-Locで公開されている。

関連論文リスト

• From Fragments to Global Maps: Learning Vectorized Map Aggregation with Large Language Models [57.34005676470192]
  大規模ベクトル化HDマップは、自律運転において知覚、局所化、計画に不可欠な構造化道路情報を提供する。 既存のアグリゲーション法は通常、フラグメントアソシエーションとリファインメントのための手作りのルールに依存している。 大規模言語モデルを用いた条件付きシーケンス生成としてベクトル化マップアグリゲーションを定式化するデータ駆動型フレームワークであるMapMergeLLMを提案する。
  論文  参考訳（メタデータ） (2026-10-01T21:35:52Z)
• Z-FLoc: Zero-Shot Floorplan Localization via Geometric Primitives [72.63181031215858]
  そこで本研究では,ゼロショットフロアプランのローカライズ手法を提案する。 我々の重要な洞察は、支配的な幾何学的プリミティブが人間が作った環境でユビキタスであることである。 シミュレーションと実世界の両方のデータセットの実験により、我々のアプローチは、目に見えない環境における最先端の学習ベースの手法よりも優れています。
  論文  参考訳（メタデータ） (2026-06-03T12:14:24Z)
• 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)
• ImLoc: Revisiting Visual Localization with Image-based Representation [61.282162006394934]
  本稿では,各画像に推定深度マップを付加して幾何学的構造を捉えることを提案する。 この表現は構築と維持が容易であるが、挑戦的な条件下では高い精度を達成する。 提案手法は,各種標準ベンチマークにおける新しい最先端の精度を実現し,既存のメモリ効率を同等のマップサイズで向上させる。
  論文  参考訳（メタデータ） (2026-01-07T18:51:51Z)
• A Guide to Structureless Visual Localization [63.41481414949785]
  既知のシーンにおけるクエリ画像のカメラポーズを推定する方法は、自動運転車や拡張現実/複合現実システムなど、多くのアプリケーションの中核的なコンポーネントである。 最先端のビジュアルローカライゼーションアルゴリズムは、シーンの3Dモデルを格納し、カメラポーズ推定モデルにおけるクエリ画像と3Dポイント間の2D-3D対応を利用する。 本論文は、私たちの知る限り、初めて包括的な議論を行い、構造化されていない手法の比較を行うものである。
  論文  参考訳（メタデータ） (2025-04-24T15:08:36Z)
• 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)
• Cross-Descriptor Visual Localization and Mapping [81.16435356103133]
  視覚のローカライゼーションとマッピングは、Mixed Realityとロボティクスシステムの大部分を支える重要な技術である。 特徴表現の連続的な更新を必要とする局所化とマッピングのための3つの新しいシナリオを提案する。 我々のデータ駆動型アプローチは特徴記述子型に非依存であり、計算要求が低く、記述アルゴリズムの数と線形にスケールする。
  論文  参考訳（メタデータ） (2020-12-02T18:19:51Z)
• Multi-View Optimization of Local Feature Geometry [70.18863787469805]
  本研究では,複数視点からの局所像の特徴の幾何を,未知のシーンやカメラの幾何を伴わずに精査する問題に対処する。 提案手法は,従来の特徴抽出とマッチングのパラダイムを自然に補完する。 本手法は,手作りと学習の両方の局所的特徴に対して,三角測量とカメラのローカライゼーション性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2020-03-18T17:22:11Z)
• $\P$ILCRO: Making Importance Landscapes Flat Again [7.047473967702792]
  本稿は、既存の畳み込みアーキテクチャの大部分が、初期化において、特定の特徴のランドスケープを定義していることを示す。 画素単位のランドスケープ曲線正規化対象物に対する P-objective または PILCRO を導出する。 一般的なコンピュータビジョンネットワークのP正規化バージョンは、平坦なランドスケープを持ち、より高速なトレーニングを行い、その結果、精度が向上し、テスト時のノイズに対してより堅牢であることを示す。
  論文  参考訳（メタデータ） (2020-01-27T11:20:56Z)

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。