論文の概要: Sparse Anchors for Visual Multi-Session Registration in Changing Environments
- arxiv url: http://arxiv.org/abs/2611.05084v1
- Date: Tue, 03 Nov 2026 15:43:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-07 14:36:47.153787
- Title: Sparse Anchors for Visual Multi-Session Registration in Changing Environments
- Title（参考訳）: 環境変化における視覚的マルチセッション登録のためのスパースアンカー
- Abstract要約: 繰り返しロボットモニタリングは、たとえ環境が変化しても、同じ環境への訪問をまたいでローカライズする必要がある。
本稿では、以前再構成された参照マップに対して、新しいデータ記録の視覚的マルチセッション登録を行う。
完全軌跡を参照マップに登録するために,信頼度の高い絶対ポーズ制約のスパースセットと,セッション内相対配置情報を用いる。
- 参考スコア（独自算出の注目度）: 26.619069502997196
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Repeated robotic monitoring requires localization across visits to the same environment, even if the environment changes. Such changes can substantially reduce persistent visual content, and repetitive structures can lead to incorrect cross-session correspondences. In this paper, we address visual multi-session registration of a new data recording (the query session) to a previously reconstructed reference map. Under substantial visual and structural changes, cross-session localization may be possible only for parts of the trajectory. In our approach, we therefore rely on a sparse set of reliable absolute pose constraints and combine them with within-session relative-pose information to register the complete trajectory to the reference map. We first estimate absolute alignment hypotheses through visual place recognition, local feature matching, and geometric verification. We then use sequence consensus to reject hypotheses that are inconsistent with a common query-to-reference alignment and retain the remaining poses as absolute anchors. These anchors are refined through featuremetric alignment against a Gaussian feature field and combined with within-session relative-pose constraints in a robust pose-graph optimization. We evaluate our approach on 15 cross-session experiments from the challenging HILTI26 construction-site dataset, covering substantial scene changes and difficult-to-match environments. Our method achieves 94.4% recall within 1m and 100.0% within 5m, outperforming independent image localization, which peaks at 65.3% and 70.7%, respectively, as well as direct registration of independently reconstructed Structure-from-Motion geometry. Our results show that sparse, reliable absolute anchors can provide accurate and complete trajectory registration even when reliable cross-session correspondences are available only for part of the query session.
- Abstract（参考訳）: 繰り返しロボットモニタリングは、たとえ環境が変化しても、同じ環境への訪問をまたいでローカライズする必要がある。
このような変化は、永続的な視覚的内容を大幅に減少させ、繰り返し構造は、誤った断続的対応をもたらす可能性がある。
本稿では、新しいデータ記録(クエリセッション)の視覚的マルチセッション登録を、以前に再構成された参照マップに対処する。
実質的な視覚的および構造的変化の下では、クロスセッションの局所化は軌道の一部に限られる可能性がある。
そこで本手法では,信頼度の高い絶対的なポーズ制約のスパースセットに頼り,その全軌道を参照マップに登録するために,セッション内相対的な情報と組み合わせる。
まず,視覚的位置認識,局所特徴マッチング,幾何的検証によって絶対アライメント仮説を推定する。
次に、シーケンスコンセンサスを用いて、一般的なクエリ対参照アライメントと矛盾する仮説を否定し、残りのポーズを絶対アンカーとして保持する。
これらのアンカーはガウス特徴体に対する特徴量アライメントによって洗練され、ロバストなポーズグラフ最適化において、セッション内相対的な制約と組み合わせられる。
我々は,HILTI26構築現場データセットから15のクロスセッション実験を行い,シーンの変化や環境の整合性について検討した。
本手法は1m以内の94.4%リコールと5m未満の100.0%リコールを実現し,それぞれ65.3%,70.7%の独立像像定位を達成し,また,独立に再構成された構造移動幾何を直接登録する。
この結果から,信頼性の高い絶対アンカーは,クエリセッションの一部にのみ,信頼性の高いクロスセッション対応が利用できる場合でも,正確かつ完全なトラジェクトリ登録を提供できることがわかった。
関連論文リスト
- Reconstruction as Spatial Evaluation: Diagnosing Cross-View Spatial Intelligence in Large Vision-Language Models [50.342970317193284]
大規模視覚言語モデル(LVLM)は、局所的な視覚観測を物理世界の幾何学的に一貫した表現に組み合わせなければならない。
屋内, テーブルトップ, 屋外環境における多視点3Dシーン再構成を主眼としたベンチマークであるRECONSPATIALを紹介する。
リコンストラクションは、相対配置のための構造と物理的スケールのためのメートル法とカメラアンコール配置の2つの相補的な軸に沿って評価される。
論文 参考訳（メタデータ） (2026-11-01T16:16:15Z) - Landmark-Free and Scale-Blind Multi-View Registration of Preoperative Liver Models to Intraoperative Surfaces [2.1079154207174446]
腹腔鏡下肝切除では,CT/MRIによる術前3次元肝モデルと術中表面との整合が求められる。
ほとんどの場合、単分子的再構成はスケールを保証できないが、厳格な運動登録は入力としてスケールを必要とする。
提案したフレームワークSimCompose'は,ランドマークに頼らずにスケールを含む完全な類似性変換を$Sim$と見積もり,複数のビューに同じ変換を適用できる。
論文 参考訳（メタデータ） (2026-10-16T20:42:11Z) - COMPASS: Contextual Moment Prior Alignment for Generalizable AIGI Detection [87.91469665365304]
一般化可能なAI生成画像(AIGI)とディープフェイク検出は、非対称性現象のため難しいままである。
最近の部分空間適応法は、残留部分空間を適応させながら高次主成分を凍結することによりこの問題を軽減する。
本稿では,小さなSemantic Proxy Setを用いて,ターゲットのアクティベーション統計を推定するデータ認識サブスペース適応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-10-13T09:23:12Z) - Spherical Interpolation for Backward-Compatible Multimodal Representations [10.628932392896376]
対照的な視覚言語モデルは、視覚表現とテキスト表現を共有正規化埋め込み空間にマッピングする。
ポストホックアライメントは、新しいモデルクエリを古いモデルギャラリー空間にマッピングすることで、この問題を部分的に軽減することができる。
これら2つの正規化クエリ表現間の球面測地線に沿って、ギャラリーを再インデックスすることなく検索を改善することができるかどうかを検討する。
論文 参考訳（メタデータ） (2026-09-30T14:32:02Z) - Marker-Constrained Pose-Graph Correction for Cross-Platform Georeferencing in GNSS-Denied Environments [0.20391237204597365]
本稿では,CSR(Cholesteric Spherical Reflectors)から作製したカモフラージュマッチングフィデューシャルマーカーを,事前サーベイド視覚アンカーとして用いる枠組みを提案する。
アンカーは、軽量なオドメトリー軌道と高密度のRTAB-Map再構成の両方をジオレフレクションし、それらの出力を共通のLUREFフレームで表現する。
本研究は,UGVおよびUAV動作を模擬した地上および高位モーションプロファイルを用いた2回のハンドヘルド取得セッションを用いて評価する。
論文 参考訳（メタデータ） (2026-08-17T08:52:54Z) - Warp-free Cross-view Geo-localization via Feature-space Consensus Mining [49.843311525678565]
ストリートレベルの画像と衛星画像の間に大きな違いがあるため、クロスビューのジオローカライゼーションは困難である。
本稿では,明示的な幾何学的ワープを完全に回避する,新しい統合ビュー・コンセンサス誘導学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-10T09:02:06Z) - SASGeo: Stability-Aware Semantic Map Localization for GNSS-Denied UAVs -- A Framework and Synthetic Proof of Concept [0.0]
sasは、永続的な構造を通して環境を表現するセマンティックマップローカライゼーションフレームワークである。
sasは意味的アライメント、グラフのエビデンス、特徴安定性と地理的特異性、明示的な肯定的/矛盾的/未知の観察、曖昧な修正の完全性を無視する。
予備実験は実飛行航法を検証せず、むしろ、構造的意味幾何学が制御された横方向の摂動の下で位置を識別できることを実証している。
論文 参考訳（メタデータ） (2026-07-07T16:57:43Z) - Geo-ID: Test-Time Geometric Consensus for Cross-View Consistent Intrinsics [37.614964138575935]
内在的な画像分解は、画像からアルベド、粗さ、および金属性などの物理ベースのレンダリングパラメータを推定することを目的としている。
ビデオベースのモデルは、クロスフレームの一貫性を改善することができるが、高密度で順序付けられたシーケンスと相当な計算を必要とする。
クロスビュー一貫した分解を生成するために,未学習の単視点予測器を本質的に再利用する新しいテストタイムフレームワークであるGeo-IDを提案する。
論文 参考訳（メタデータ） (2026-03-14T09:36:27Z) - Long-Term Multi-Session 3D Reconstruction Under Substantial Appearance Change [52.46888249268445]
長期の環境モニタリングには、数ヶ月または数年ごとに分割された繰り返しサイト訪問で3Dモデルを再構築し調整する機能が必要である。
既存のアプローチは、独立して再構築されたセッションのポストホックアライメントに依存している。
我々は,共同SfM再建において,クロスセッション対応を直接実施することを提案する。
論文 参考訳（メタデータ） (2026-02-24T06:12:51Z) - Adaptive Affinity for Associations in Multi-Target Multi-Camera Tracking [53.668757725179056]
本稿では,MTMCTにおけるアフィニティ推定を対応する対応範囲に適応させるための,単純かつ効果的な手法を提案する。
すべての外見の変化に対処する代わりに、データアソシエーション中に出現する可能性のあるものに特化したアフィニティメトリックを調整します。
ミスマッチを最小限に抑えるため、アダプティブアフィニティモジュールはグローバルなre-ID距離を大幅に改善する。
論文 参考訳（メタデータ） (2021-12-14T18:59:11Z) - Unsupervised Metric Relocalization Using Transform Consistency Loss [66.19479868638925]
メートル法再ローカライズを行うためのトレーニングネットワークは、従来、正確な画像対応が必要である。
地図内のクエリ画像のローカライズは、登録に使用される参照画像に関係なく、同じ絶対的なポーズを与えるべきである。
提案手法は, 限られた地下構造情報が得られる場合に, 他の教師あり手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-11-01T19:24:27Z)
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。