KappaPlace：通过原型锚定监督学习用于视觉地点识别的超球面不确定性

Maya Yanko, Yoli Shavit

2026

摘要

本文提出KappaPlace框架，通过原型锚定监督策略学习具有不确定性估计的视觉地点识别表示。该方法将图像描述符建模为von Mises-Fisher变量，预测浓度参数作为偶然不确定性的直接代理，并在五个基准上将期望校准误差降低高达50%。

Visual Place RecognitionUncertainty EstimationProbabilistic EmbeddingsAutonomous NavigationCalibration

PERCEPTION

开放获取📊 4 引用

Ji-Hoon Hwang, Daeyoung Kim, Hyung-Suk Yoon 等 5 位作者

2026

PERCEPTION

📊 0 引用

Yanrun Zhou, Zihao Lei, Guangrui Wen 等 7 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Simon Duenser, Ivo Aschwanden, Raamadaas Krishnadas 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Sili Ding, Feng Xu, Jie Chen 等 6 位作者

Progress in Materials Science · 2026