論文の概要: Spatial Memory for AR Glasses: Hierarchical Visual Acquisition and Source-Linked Recall

• arxiv url: http://arxiv.org/abs/2611.04494v1
• Date: Tue, 03 Nov 2026 08:22:00 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:37:18.846271
• Title: Spatial Memory for AR Glasses: Hierarchical Visual Acquisition and Source-Linked Recall
• Title（参考訳）: ARガラスの空間記憶:階層的視覚獲得とソースリンクリコール
• Abstract要約: 本稿では,光学式シースルーARメガネによる早期の物理的出会いを想起させる空間記憶システムを提案する。 プロトタイプは階層的な視覚的獲得とソースリンクストレージとステージド検索を組み合わせたものだ。
• 参考スコア（独自算出の注目度）: 1.4615085636554905
• License:
• Abstract: We present a spatial-memory system that enables optical see-through AR glasses to recall earlier physical encounters. The dual-camera prototype combines hierarchical visual acquisition with source-linked storage and staged retrieval. Quality screen-ing, global and regional appearance novelty, and temporal support select monochrome observations for detailed RGB cap-ture. Semantic observations retain links to their source images, allowing retrieval to answer indexed historical questions direct-ly or inspect visual details omitted from scene descriptions. The architecture separates capture acceptance, interpretation out-come, and support for a particular question. This distinction motivates two core control mechanisms: bounded reassessment of familiar views when earlier processing leaves an evidence gap, and retention guided by source dependencies. In a 131.35 s egocentric replay, the implemented acquisition policy selected six RGB views from 648 monitoring observations, while feature extraction ran on 97.7% of observations. These results demon-strate selective RGB acquisition and identify frequent local inference as a remaining cost. Exposure duration and cross-view timing further constrain the evidence preserved from se-lected encounters. The system provides a practical acquisition-to-recall architecture for persistent AR assistance, with explicit boundaries between captured evidence, indexed interpretations, and supported historical claims.
• Abstract（参考訳）: 本稿では,光学式シースルーARメガネによる早期の物理的出会いを想起させる空間記憶システムを提案する。 デュアルカメラのプロトタイプは階層的な視覚的獲得とソースリンクストレージとステージド検索を組み合わせたものである。 クオリティ・スクリーンリング, グローバルおよび地域外見の新規性, および時間的サポートは, 詳細なRGBキャップチャーのためのモノクローム観察を選択する。 セマンティックな観察はソースイメージへのリンクを保持しており、インデックス化された歴史的質問に直接答えたり、シーン記述から省略された視覚的詳細を検査したりすることができる。 アーキテクチャは、キャプチャの受け入れ、解釈のアウトカム、特定の質問のサポートを分離する。 この区別は、2つの中核的な制御メカニズムを動機付けている: 以前の処理でエビデンスギャップが残るとき、よく知られたビューのバウンド再評価と、ソース依存性によってガイドされる保持である。 131.35秒のエゴセントリックなリプレイでは、648の観測から6つのRGBビューを選択し、97.7%の観測で特徴抽出を行った。 これらの結果から, 選択的RGB獲得を実証し, 頻繁な局所推測を残存コストとして同定した。 露光期間とクロスビューのタイミングは、セレクトされた出会いから保存された証拠をさらに制限する。 このシステムは、永続的なARアシストのための実用的な取得-リコールアーキテクチャを提供し、捕獲された証拠、インデックス化された解釈、そしてサポートされた歴史的クレームの間に明確な境界がある。

関連論文リスト

• LVMem: Image-Augmented Memory for Long-Horizon Question Answering [6.562689532334789]
  本稿では,長期的な視覚的質問に答える効率的な枠組みを提案する。 我々はReMEmbRスタイルのメモリをイメージパスで拡張し、それぞれが保存した記述を元のビジュアルコンテンツに拡張する。 また、VLMをベースとしたエージェントに、最も関連性の高いキャプションに関連付けられた画像を返す適応検索ツールを装備する。
  論文  参考訳（メタデータ） (2026-10-19T18:01:56Z)
• Geometry as Address: Routing Attention to Visual Memory for Long-Horizon Camera-Controlled Video Generation [65.27606758907416]
  ロングホライゾンカメラ制御ビデオ生成は、成長を続ける視覚の歴史から、これまで観察されたコンテンツを回復する必要がある。 既存のアプローチでは、歴史的コンテキストを暗黙的に検索するか、永続的な3Dメモリに再構築する。 我々は、幾何学を視覚記憶のための明示的なトークンレベルアドレスとして利用するGeometry-Enabled Attention RoutingフレームワークであるGEARを紹介する。
  論文  参考訳（メタデータ） (2026-09-28T09:27:59Z)
• Navigating Sparse Evidence: Agentic Visual RAG via Explicit Context Selection and Consolidation [50.92223196290564]
  明示的な証拠選択と統合のための統一エージェントループを提案する。 探索中、SCoREはクエリ関連観測とソースポインタのみを保守されたテキスト台帳に保持する。 終了時には、参照された元のイメージを再ロードし、答えの視覚的証拠を統合し、論理的なシーケンスにアレンジする。
  論文  参考訳（メタデータ） (2026-09-14T16:11:35Z)
• Where to Look and What to Use: Retrieve-Localize-Generate for Long-Term Conversational Memory Question Answering [42.31517185994942]
  RAGは、外部知識にアクセスすることによって、大きな言語モデルで質問に答えることを可能にする。 既存の方法は、時間的に離れたセッションに散在する断片化されたエビデンスと、中途半端な効果を誘発する検索セッション内のノイズのある内容の2つの主要な課題に悩まされている。 本稿では,長期会話メモリQAのための検索・ローカライズ・ジェネレーション統合フレームワークであるMemLocを提案する。
  論文  参考訳（メタデータ） (2026-09-07T06:32:12Z)
• REVEAL: A Rubric-Guided Agent for Explicit Evidence Sufficiency Verificationin Long-Video Question Answering [25.519927761448603]
  REVEALは、長いビデオ質問応答のためのルーリック誘導エージェントフレームワークである。 本稿では,視覚的コヒーレントな隣接フレームを自然なイベント単位にグループ化する適応型視覚類似性に基づく前処理パイプラインを提案する。 この構造化メモリ上に構築されたREVEALは、自動的に構築されたルーリックライブラリを使用して、検索された証拠が満足度基準を満たすかどうかを明示的に検証する。
  論文  参考訳（メタデータ） (2026-08-09T09:55:42Z)
• GROVE: Growing and Reasoning over Temporally Stratified Memory from Streaming Video Experience [67.55136435794206]
  ウェアラブルアシスタントは、その視覚的履歴に関する質問に答え、その歴史が現在の状況に有効であるかどうかを認識する。 GROVEは、連続的なビデオストリームから慎重に成長した1つのメモリで両方の動作をサポートする、トレーニング不要のフレームワークである。 GROVEは、きめ細かい知覚的証拠を保持し、それをタイムスタンプ化された瞬間、一貫性のあるエピソード、そして日々のパターンに漸進的に統合する。
  論文  参考訳（メタデータ） (2026-08-03T15:35:28Z)
• MemEye: A Visual-Centric Evaluation Framework for Multimodal Agent Memory [80.97855900579512]
  既存の評価では、エージェントが後続の推論に必要な視覚的証拠を保存するかどうかを検査することはめったにない。 メモリ性能を2次元から評価するフレームワークであるMemEyeを紹介する。 本フレームワークでは,8つのライフシナリオタスクにまたがる新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-05-14T17:37:52Z)
• Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval [59.295767860331004]
  RF-Memは、親しみやすい不確実性誘導デュアルパスメモリレトリバーである。 それは、人間のようなデュアルプロセス認識をレトリバーに埋め込む。 一定の予算とレイテンシの制約の下で、ワンショット検索とフルコンテキスト推論を一貫して上回る。
  論文  参考訳（メタデータ） (2026-03-10T06:31:44Z)

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。