論文の概要: Which Objects Stay? Learning Hierarchical Persistence Beliefs for Lifelong Open-Vocabulary Object Maps
- arxiv url: http://arxiv.org/abs/2611.07662v1
- Date: Thu, 05 Nov 2026 08:45:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.607624
- Title: Which Objects Stay? Learning Hierarchical Persistence Beliefs for Lifelong Open-Vocabulary Object Maps
- Title（参考訳）: どの物体が静止しているか? 一生涯のオープン語彙オブジェクトマップのための階層的永続的信念を学習する
- Abstract要約: セマンティックなカテゴリではなく、データから直接永続的信念を導出する階層的永続化フィルタであるHiPerを紹介する。
新しいオブジェクトに対して、HiPerは視覚的および幾何学的に類似したトレーニングインスタンスを取得し、観察された履歴から初期生存率を推定する。
オブジェクトが新しい場所で再識別されると、その永続的信念はオブジェクトと共に移動され、マップは時間とともにオブジェクト固有のモビリティを学習する。
- 参考スコア（独自算出の注目度）: 2.912123563281561
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lifelong object maps must estimate whether an object remains at its previously observed location after it leaves view. Existing persistence filters rely on class-based survival priors, making them difficult to apply reliably in open-vocabulary settings. We introduce HiPer, a hierarchical persistence filter that derives persistence beliefs directly from data rather than semantic categories. For a new object, HiPer retrieves visually and geometrically similar training instances and estimates an initial survival rate from their observed histories, without requiring class labels. This estimate initializes a conjugate Beta belief over the object's survival probability, which is updated in closed form using detections and missed observations under Rosen's persistence-filter framework. When an object is re-identified at a new location, its persistence belief is transferred with the object, enabling the map to learn object-specific mobility over time. Experiments on 120 held-out simulated sequences show that HiPer consistently achieves the best performance among competing methods. Retrieval-based priors outperform CLIP-derived label priors, and object-specific online learning provides further gains. Results on 47 held-out 3RScan environments demonstrate that the proposed retrieval-based prior also outperforms state-of-the-art baselines in real-world settings.
- Abstract（参考訳）: 生涯のオブジェクトマップは、オブジェクトがビューを離れた後に、以前観測された場所に留まっているかどうかを見積もる必要がある。
既存の永続フィルタはクラスベースの生存先に依存するため、オープン語彙設定で確実に適用することは困難である。
セマンティックなカテゴリではなく、データから直接永続的信念を導出する階層的永続化フィルタであるHiPerを紹介する。
新しいオブジェクトに対して、HiPerは視覚的および幾何学的に類似したトレーニングインスタンスを検索し、クラスラベルを必要とせずに、観察された履歴から初期生存率を推定する。
この推定は、オブジェクトの生存確率に関する共役ベータの信念を初期化する。
オブジェクトが新しい場所で再識別されると、その永続的信念はオブジェクトと共に移動され、マップは時間とともにオブジェクト固有のモビリティを学習する。
120のホールドアウトシミュレートされたシーケンスの実験では、HiPerは競合するメソッドの中で常に最高のパフォーマンスを達成している。
検索ベースの事前学習はCLIPから派生したラベルよりも優れており、オブジェクト固有のオンライン学習はさらなる利益をもたらす。
47の保持された3RScan環境の結果,提案した検索ベース環境は,実環境における最先端のベースラインよりも優れていた。
関連論文リスト
- Probing Spatial State Representations in Visual Foundation Models [42.563630813940385]
本研究では, ストリーミングエゴセントリックな観測下での10つの表現に対して, 凍結機能プローブを用いた空間能力の4つのレベルについて検討した。
視覚的なシーンの強い読み出しは、正確なオブジェクトの持続性や将来的な検索を保証しない。
目標に依存した候補選択は、信頼できる継続的アクションユーティリティを確立しない。
論文 参考訳（メタデータ） (2026-10-29T17:58:16Z) - Point-Level Refinable Semantic Mapping for Spatial Understanding [5.636412346506415]
オブジェクト表現を連続的に洗練するオンライン精錬可能なセマンティックマッピングフレームワークを提案する。
また,Replicaでは3.46%,ScanNetでは2.55%のマッピング精度が向上した。
本フレームワークは,オブジェクトナビゲーションに有効な空間記憶を提供し,82.4%,76.7%の成功率で質問応答を具体化する。
論文 参考訳（メタデータ） (2026-10-22T16:02:16Z) - PreSIST: Vision-Language-Informed Object Persistence Prediction in Open-World Scenes [8.404764513882041]
観測対象が任意の将来に最後に現れるポーズに残るかどうかを予測する方法であるPreSISTを提案する。
その重要な洞察は、視覚言語モデル(VLM)の推論能力は、シーンコンテキストと、おそらくオブジェクトの使用や人間の活動とを関連付けることができるということである。
我々は、VLMを用いて永続性を推定するPreSIST-Langと、PreSIST-Lang擬似ラベルを用いてトレーニングされた新しい視覚のみのモデルであるPreSIST-Visの2種類を開発した。
論文 参考訳（メタデータ） (2026-07-04T23:51:28Z) - CASA: Class-Agnostic Shared Attributes in Vision-Language Models for Efficient Incremental Object Detection [30.286598189230396]
Class-Agnostic Shared Attribute Baseは、インクリメンタルクラス間で共有されるカテゴリに依存しない属性を学ぶことをモデルに推奨する。
その後のタスクでは、保持された属性は凍結され、残りの候補から新しい属性が選択される。
COCOデータセットの実験により,本手法の最先端性能が実証された。
論文 参考訳（メタデータ） (2024-10-08T08:36:12Z) - DST-Det: Simple Dynamic Self-Training for Open-Vocabulary Object Detection [72.25697820290502]
この研究は、ゼロショット分類によって潜在的に新しいクラスを特定するための単純かつ効率的な戦略を導入する。
このアプローチは、アノテーションやデータセット、再学習を必要とせずに、新しいクラスのリコールと精度を高めるセルフトレーニング戦略として言及する。
LVIS、V3Det、COCOを含む3つのデータセットに対する実証的な評価は、ベースラインのパフォーマンスを大幅に改善したことを示している。
論文 参考訳（メタデータ） (2023-10-02T17:52:24Z) - Cycle Consistency Driven Object Discovery [75.60399804639403]
本研究では,シーンの各オブジェクトが異なるスロットに関連付けられなければならない制約を明示的に最適化する手法を提案する。
これらの一貫性目標を既存のスロットベースのオブジェクト中心手法に統合することにより、オブジェクト発見性能を大幅に改善することを示す。
提案手法は,オブジェクト発見を改善するだけでなく,下流タスクのよりリッチな機能も提供することを示唆している。
論文 参考訳（メタデータ） (2023-06-03T21:49:06Z) - Object Goal Navigation using Data Regularized Q-Learning [9.65323691689801]
Object Goal Navigationでは、ロボットが未確認の環境で対象のオブジェクトクラスのインスタンスを探し、ナビゲートする必要がある。
我々のフレームワークは、時間とともに環境のセマンティックマップを段階的に構築し、その後、長期的目標を何度も選択します。
長期的なゴール選択は、視覚に基づく深層強化学習問題として定式化される。
論文 参考訳（メタデータ） (2022-08-27T13:26:30Z) - Objects are Different: Flexible Monocular 3D Object Detection [87.82253067302561]
そこで本研究では,乱れたオブジェクトを明示的に分離し,オブジェクト深度推定のための複数のアプローチを適応的に組み合わせたモノクル3次元オブジェクト検出のためのフレキシブルなフレームワークを提案する。
実験の結果,本手法はkittiベンチマークテストセットにおいて,中等度レベルが27%,硬度が30%と,最先端法を27%上回った。
論文 参考訳（メタデータ） (2021-04-06T07:01:28Z) - Learning to Track with Object Permanence [61.36492084090744]
共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。
私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
論文 参考訳（メタデータ） (2021-03-26T04:43:04Z) - Synthesizing the Unseen for Zero-shot Object Detection [72.38031440014463]
そこで本研究では,視覚領域における視覚的特徴と視覚的対象の両方を学習するために,視覚的特徴を合成することを提案する。
クラスセマンティックスを用いた新しい生成モデルを用いて特徴を生成するだけでなく,特徴を識別的に分離する。
論文 参考訳（メタデータ） (2020-10-19T12:36:11Z)
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。