論文の概要: LoD-Loc v4: Towards Generalized Aerial Visual Localization via Panoptic LoD 3D Map Registration

• arxiv url: http://arxiv.org/abs/2611.00704v1
• Date: Sat, 31 Oct 2026 06:59:03 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:59:04.773696
• Title: LoD-Loc v4: Towards Generalized Aerial Visual Localization via Panoptic LoD 3D Map Registration
• Title（参考訳）: LoD-Loc v4: Panoptic LoD 3D Map Registration による一般航空視像定位に向けて
• Abstract要約: 我々は,OpenStreetMap,Digital Elevation Models,LoDアセットを融合して,統一されたPanoptic LoD 3Dマップを構築する。 当社では,これまでで最大規模の空中パノプティクスセグメンテーションデータセットであるAirPanを構築する,新たな自動パイプラインを開発しています。 LoD-Loc v4は、最先端(SOTA)ベースラインを著しく上回っている。
• 参考スコア（独自算出の注目度）: 26.156853860054937
• License:
• Abstract: Aerial visual localization over Level-of-Detail (LoD) 3D Maps has recently gained significant traction due to its global scalability, storage efficiency, and privacy-preserving nature. However, existing methods rely almost exclusively on building elements, which leads to catastrophic localization failures in rural or undeveloped areas where buildings are sparse or non-existent. To address this, we construct a unified Panoptic LoD 3D Map by fusing OpenStreetMap (OSM), Digital Elevation Models (DEM), and LoD assets, reformulating the problem as a panoptic registration task. By parsing the query image into discrete building `thing' instances and continuous `stuff' regions comprising road, vegetation, and water, we establish a holistic alignment with this map to robustly optimize the camera pose. To enable reliable panoptic perception, we develop a new automated pipeline that constructs AirPan - the largest aerial panoptic segmentation dataset to date, comprising 85k images with pixel-accurate annotations. This empowers our panoptic segmentation model to exhibit remarkable zero-shot generalization capabilities. Extensive experiments demonstrate that LoD-Loc v4 consistently outperforms state-of-the-art (SOTA) baselines by a significant margin. Most notably, it successfully maintains reliable localization in building-less scenarios, completely overcoming the catastrophic failures of prior building-centric paradigms.
• Abstract（参考訳）: Level-of-Detail (LoD) 3D Mapsに対する航空的な視覚的ローカライゼーションは、そのグローバルなスケーラビリティ、ストレージ効率、プライバシ保護の性質により、最近大きな注目を集めている。 しかし、既存の手法は建築要素にのみ依存しており、建物が希少で存在しない田園部や未開発の地域では壊滅的な局所化の失敗につながっている。 そこで我々は、OpenStreetMap(OSM)、DEM(Digital Elevation Models)、LoDアセットを融合して、統一されたPanoptic LoD 3D Mapを構築し、その問題を汎視的登録タスクとして再構築する。 検索画像を,道路,植生,水からなる個別の「thing」インスタンスと連続的な「stuff」リージョンに解析することにより,このマップと総合的なアライメントを確立し,カメラのポーズを堅牢に最適化する。 信頼性の高いパノスコープ認識を実現するため,これまでで最大規模の空中パノスコープセグメンテーションデータセットであるAirPanを,85kの画像と画素精度のアノテーションで構築した,新しい自動パイプラインを開発した。 これにより、パン光学セグメンテーションモデルにより、卓越したゼロショットの一般化能力を示すことができる。 大規模な実験により、LoD-Loc v4 は最先端(SOTA)ベースラインを著しく上回っていることが示された。 最も注目すべきは、ビルトレスシナリオにおける信頼性の高いローカライゼーションの維持であり、以前のビルト中心のパラダイムの破滅的な失敗を完全に克服する。

関連論文リスト

• MatchCityLoc: Aerial Localization in LoD City Models via Surface Normal Matching [76.81099730054356]
  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。
  論文  参考訳（メタデータ） (2026-10-19T18:10:59Z)
• 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)
• 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)
• Depth-Guided Privacy-Preserving Visual Localization Using 3D Sphere Clouds [7.709047853291039]
  本稿では,地図の中心を横断する3次元線にすべての点を持ち上げることで構築したEmphsphere Cloudという,新たなプライバシ保護シーンを提示する。 この利点は、i)このクラウド表現から直接イメージを復元する新たなタイプの攻撃と、i)カメラポーズ推定のための未解決翻訳スケールによって生じる。
  論文  参考訳（メタデータ） (2026-05-01T10:59:26Z)
• LoD-Loc v3: Generalized Aerial Localization in Dense Cities using Instance Silhouette Alignment [27.863242898871963]
  本稿では,高密度都市環境における空間的局所化を一般化する新しい手法であるLoD-Loc v3を提案する。 InsLoD-Loc - 航空画像のための最大インスタンスセグメンテーションデータセット。 局所化パラダイムをセマンティックからインスタンスシルエットアライメントにシフトすることで再構築し、密集したシーンにおけるポーズ推定のあいまいさを著しく低減する。
  論文  参考訳（メタデータ） (2026-03-20T03:27:39Z)
• Nothing Stands Still: A Spatiotemporal Benchmark on 3D Point Cloud Registration Under Large Geometric and Temporal Change [82.31647863785923]
  人工空間の3次元幾何学地図の構築は、基本的なコンピュータビジョンとロボット工学である。 Not Stands Still (NSS)ベンチマークは、大きな空間的および時間的変化を行う3Dシーンの時間的登録に焦点を当てている。 NSSの一環として,建設中または改修中の大規模建築屋内環境において,3次元点雲のデータセットを連続的に取得する。
  論文  参考訳（メタデータ） (2023-11-15T20:09:29Z)
• Lazy Visual Localization via Motion Averaging [89.8709956317671]
  本研究では,データベースからシーンを再構築することなく,高精度なローカライゼーションを実現することができることを示す。 実験の結果、我々の視覚的ローカライゼーションの提案であるLazyLocは、最先端の構造に基づく手法に対して同等のパフォーマンスを実現していることがわかった。
  論文  参考訳（メタデータ） (2023-07-19T13:40:45Z)
• Elevation Estimation-Driven Building 3D Reconstruction from Single-View Remote Sensing Imagery [20.001807614214922]
  リモートセンシング画像からの3D再構築は、スマートシティやフォトグラムなどの分野に幅広い応用がある。 入力単視点リモートセンシング画像から3次元ビルディングモデルを再構築するための効率的なDSM推定駆動再構築フレームワーク(Building3D)を提案する。 我々のビル3Dは高度予測のためのSFFDEネットワークに根ざし、マスク構築のためのビル抽出ネットワークと同期し、点雲再構成、表面再構成(シティGMLモデル再構成)を順次実施する。
  論文  参考訳（メタデータ） (2023-01-11T17:20:30Z)

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。