繰り返し構造下での視覚的自己位置推定における姿勢選択失敗からの回復

- 反復構造により誤ったpose候補がinlier supportで勝ち、visual localizationが誤選択する問題への対策。 - History-Guided Pose Reselection (HPR)を提案。 - 最大5つの過去localization出力からcoarse position forecastsを作り、現在query候補を区別。 - 最良forecastが代替候補を提案し、全forecastがlocalizer poseより近い場合のみ受入。 - odometry不要で、選択候補を変更せず予測をselectionに使う。

- 従来のvisual localizationは反復構造で誤pose候補がinlier supportで勝つと誤選択。 - HPRは履歴予測をselectionに使い、pose refinementせず候補をそのまま返す点が異なる。 - odometry不要。 - 1つのdevelopment-set thresholdでHLoc、MASt3R-based pose generation、JIST-based retrievalの12主要構成すべてでrecall@5m,10deg改善。 - 成功を失うqueryは0.4%未満。

- 最大5つの過去localization出力からcoarse position forecastsを生成。 - 現在queryのwell-separated候補をforecastで区別。 - 最良forecastが代替候補を提案。 - 全well-fitting forecastがlocalizer poseより代替候補に十分近い場合のみ受入。 - 受入時も候補は変更せず、予測はselectionのみに使用。 - odometry不要。

- HLoc、MASt3R-based pose generation、JIST-based retrievalの12主要構成で評価。 - 1つのdevelopment-set thresholdでrecall@5m,10deg改善、成功喪失0.4%未満。 - NAVER Gangnam B1でHLocの97失敗を修正、6成功を喪失。 - HLocの3テストセットすべてで0.25m,2deg以内のgain持続。 - HLoc候補でのmedian HPR runtimeはpose generation除き1ms未満。 - localization頻度低下でrecovery弱化。

- 反復構造下の誤選択に対し履歴予測で選択を修正する有効性を示す。 - odometry不要で軽量。 - ただしlocalization頻度が低いとrecoveryが弱まる。 - 成功を失うqueryが少数存在。 - 他手法や条件での限界は要旨からは不明。

- Hierarchical Localization (HLoc) - MASt3R-based pose generation - JIST-based retrieval - NAVER Gangnam B1 dataset - 関連するvisual localizationの定番手法