論文の概要: UniLoop: Unified Loop Closure Detection from Retrieval to Geometric Verification and Relative Pose Estimation

• arxiv url: http://arxiv.org/abs/2611.06378v1
• Date: Wed, 04 Nov 2026 11:41:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.09652
• Title: UniLoop: Unified Loop Closure Detection from Retrieval to Geometric Verification and Relative Pose Estimation
• Title（参考訳）: UniLoop: 検索から幾何学的検証と相対的ポーズ推定への統一ループクロージャ検出
• Abstract要約: このパイプラインを通して事前学習された幾何学的基礎モデルの階層的表現を再利用する統一フレームワークUniLoopを提案する。 位置認識、ループ検証、相対ポーズ推定の実験により、UniLoopはループ閉鎖の堅牢性と精度を向上させることが示された。
• 参考スコア（独自算出の注目度）: 34.536555880565025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Loop closure detection conventionally cascades separate models for global retrieval, geometric verification, and relative pose estimation, leading to redundant computation and disconnected visual representations. We propose UniLoop, a unified framework that reuses the hierarchical representations of the pretrained geometric foundation model throughout this pipeline. A shared image encoder produces features for compact global descriptors; the same features are passed to the cross-view decoder for pairwise verification; and the original geometric predictions provide relative camera constraints for pose-graph optimization. Experiments on place recognition, loop verification, and relative pose estimation show that UniLoop improves loop-closure robustness and accuracy while reducing redundant backbone computation relative to modular pipelines. UniLoop achieves the best Recall@10 on MSLS (96.6) and Pitts30k (99.3) among the compared methods, while its verification branch reaches 95.63 AP and 96.29 ROC-AUC, surpassing the existing geometric verification baselines.
• Abstract（参考訳）: ループクロージャ検出は、通常、大域的検索、幾何的検証、相対的なポーズ推定のための別々のモデルをカスケードし、冗長な計算と切り離された視覚表現をもたらす。 このパイプラインを通して事前学習された幾何学的基礎モデルの階層的表現を再利用する統一フレームワークUniLoopを提案する。 共有画像エンコーダは、コンパクトなグローバルディスクリプタの機能を生成し、同じ特徴をペアワイズ検証のためにクロスビューデコーダに渡し、元の幾何学的予測は、ポーズグラフ最適化のための相対的なカメラ制約を提供する。 位置認識、ループ検証、相対ポーズ推定の実験により、UniLoopはモジュールパイプラインに対する冗長なバックボーン計算を削減しつつ、ループ閉鎖の堅牢性と精度を改善した。 UniLoop は比較手法の中で MSLS (96.6) と Pitts30k (99.3) で最高の Recall@10 を達成し、検証ブランチは 95.63 AP と 96.29 ROC-AUC に到達し、既存の幾何的検証基準を上回っている。

関連論文リスト

• PosePlaner: Denoising Any Feed-Forward Pose Predictor from Pairwise Planar Geometry [57.19469836839409]
  最近の多視点変換器は、2つのビューから多くのビューと長いシーケンスへのトレーニングデータとモデルキャパシティのスケーリングにより、高度な3次元再構成を実現している。 我々はPosePlanerを提案し、このギャップを埋めるために、古典的な対応とフローマッチングによるポーズの結合を復活させることにより、このギャップを埋める。 提案手法は2視点データに基づいて効率よく訓練されるが,n視点ポーズ推定器をリトレーニングなしでストリーミングするための周期的精錬器として機能する。
  論文  参考訳（メタデータ） (2026-10-26T04:55:36Z)
• PGL-3D: Towards Progressive Geometric Learning for 3D Visual Query Localization [60.842562471209995]
  3DVQLは、RGBポイントクラウドシーケンスにおけるクエリ対象の最新の連続的な発生を検索する。 応答フレーム毎に9-DoFキューブを予測します。 本稿では,予測-選択-再定義-予測フレームワークである3DVQL(PGL-3D)について紹介する。
  論文  参考訳（メタデータ） (2026-09-27T13:29:51Z)
• CoRef-GS: Cooperative Referring Gaussian Splatting for Multi-Agent Scene Understanding [61.37726020220854]
  CoRef-GSはガウシアンスプレイティングフレームワークを参考にしている。 CoQuad-Refは、現実世界とシミュレーションされた屋内シーンの両方にまたがるベンチマークである。
  論文  参考訳（メタデータ） (2026-09-17T15:39:25Z)
• A Unified Backbone--Expert Framework with Relation-Token and Residual--Classifier Interfaces for Automatic Modulation Recognition [1.547549252134621]
  本稿では、共通の畳み込み状態空間のバックボーンと2つの特殊なインターフェースを持つ統一されたバックボーン・エキスパート・フレームワークを提案する。 我々のフレームワークは、RML2016.10bで67.28 pm 0.14%、HisarMod 2019で87.19 pm 0.77%という、全体的な平均精度を実現しています。
  論文  参考訳（メタデータ） (2026-08-15T10:26:42Z)
• From Open Loop to Closed Loop: A Test-Time Iterative Optimization Framework for Reference-Consistent Image Generation [108.02425846269234]
  制御可能な画像生成は、視覚的参照条件を組み込むことで、大きな進歩を遂げた。 既存の方法は、主にオープンループシステムとして動作する。 本稿では,閉ループ動的トラッキング問題として参照一貫性生成を再構成する新しいテスト時間反復最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-06T05:36:30Z)
• Angle-I2P: Angle-Consistent-Aware Hierarchical Attention for Cross-Modality Outlier Rejection [20.302748104301525]
  イメージ・ツー・ポイント・クラウド・レジストレーション(I2P)は、操作、グラッピング、ローカライゼーションといったロボットアプリケーションにおける基本的なタスクである。 本稿では,アングル-I2Pを提案する。アングル-I2Pは,アングル-一貫性のある幾何学的制約と階層的注意を生かした外乱リジェクションネットワークである。 提案手法は、7Scenes, RGBD Scenes V2, and a self-collected data。
  論文  参考訳（メタデータ） (2026-05-06T06:41:56Z)
• CA-HFP: Curvature-Aware Heterogeneous Federated Pruning with Model Reconstruction [6.817747681821888]
  不均一エッジデバイス上でのフェデレーション学習は、アグリゲーション互換性と安定した収束を維持しながらパーソナライズされた圧縮を必要とする。 本稿では,各クライアントが構成されたデバイス固有のプルーニングを,曲率インフォームドの重要度スコアでガイドできる実用的フレームワークCA-HFPを提案する。
  論文  参考訳（メタデータ） (2026-03-13T02:45:00Z)
• 3D Human Pose and Shape Regression with Pyramidal Mesh Alignment Feedback Loop [128.07841893637337]
  回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。 パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。 本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
  論文  参考訳（メタデータ） (2021-03-30T17:07:49Z)

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。