On Model-Free Re-ranking for Visual Place Recognition with Deep Learned Local Features

要約

再ランキングは視覚的場所認識タスクの第 2 段階であり、システムは事前に選択された候補のサブセットから最もよく一致する画像を選択します。
モデルフリーのアプローチは、対応する局所的な視覚特徴の空間比較に基づいて画像ペアの類似性を計算し、画像間の変換を記述するモデルの計算コストの高い推定の必要性を排除します。
この記事では、標準的なローカル視覚機能に基づいたモデルフリーの再ランキングと、長期自律システムにおけるその適用性に焦点を当てています。
主に深層学習された局所視覚特徴のために設計された 3 つの新しいモデルフリー再ランキング手法が導入されています。
これらの機能は、さまざまな外観の変化に対する高い堅牢性を証明しており、長期的な自律システムで使用する場合に重要な特性となります。
導入されたすべての方法は、D2-net 特徴検出器 (Dusmanu、2019) とともに新しい視覚的場所認識システムに採用され、多様で挑戦的な公開データセットを使用して実験的にテストされました。
得られた結果は現在の最先端の方法と同等であり、モデルフリーのアプローチが長期的な視覚的場所認識にとって実行可能で価値のある道であることを裏付けています。

要約(オリジナル)

Re-ranking is the second stage of a visual place recognition task, in which the system chooses the best-matching images from a pre-selected subset of candidates. Model-free approaches compute the image pair similarity based on a spatial comparison of corresponding local visual features, eliminating the need for computationally expensive estimation of a model describing transformation between images. The article focuses on model-free re-ranking based on standard local visual features and their applicability in long-term autonomy systems. It introduces three new model-free re-ranking methods that were designed primarily for deep-learned local visual features. These features evince high robustness to various appearance changes, which stands as a crucial property for use with long-term autonomy systems. All the introduced methods were employed in a new visual place recognition system together with the D2-net feature detector (Dusmanu, 2019) and experimentally tested with diverse, challenging public datasets. The obtained results are on par with current state-of-the-art methods, affirming that model-free approaches are a viable and worthwhile path for long-term visual place recognition.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google