論文の概要: OdoViz: A 3D Odometry Visualization and Processing Tool
- arxiv url: http://arxiv.org/abs/2107.07557v1
- Date: Thu, 15 Jul 2021 18:37:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-20 00:55:03.071855
- Title: OdoViz: A 3D Odometry Visualization and Processing Tool
- Title（参考訳）: odoviz:3次元オドメトリの可視化と処理ツール
- Authors: Saravanabalagi Ramachandran and John McDonald
- Abstract要約: OdoVizは、自動運転車のデータセットの3D視覚化と処理のための、リアクティブなWebベースのツールである。
このシステムには、GPS/INSのポーズ、ポイントクラウド、カメライメージのロード、検査、可視化、処理の機能を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: OdoViz is a reactive web-based tool for 3D visualization and processing of
autonomous vehicle datasets designed to support common tasks in visual place
recognition research. The system includes functionality for loading,
inspecting, visualizing, and processing GPS/INS poses, point clouds and camera
images. It supports a number of commonly used driving datasets and can be
adapted to load custom datasets with minimal effort. OdoViz's design consists
of a slim server to serve the datasets coupled with a rich client frontend.
This design supports multiple deployment configurations including single user
stand-alone installations, research group installations serving datasets
internally across a lab, or publicly accessible web-frontends for providing
online interfaces for exploring and interacting with datasets. The tool allows
viewing complete vehicle trajectories traversed at multiple different time
periods simultaneously, facilitating tasks such as sub-sampling, comparing and
finding pose correspondences both across and within sequences. This
significantly reduces the effort required in creating subsets of data from
existing datasets for machine learning tasks. Further to the above, the system
also supports adding custom extensions and plugins to extend the capabilities
of the software for other potential data management, visualization and
processing tasks. The platform has been open-sourced to promote its use and
encourage further contributions from the research community.
- Abstract（参考訳）: odovizは、視覚位置認識研究で一般的なタスクをサポートするように設計された自動運転車データセットの3d可視化と処理を行う、リアクティブなwebベースのツールである。
システムは、GPS/INSのポーズ、ポイントクラウド、カメライメージのロード、検査、可視化、処理の機能を提供する。
一般的に使用される多くの駆動データセットをサポートし、最小限の労力でカスタムデータセットをロードすることができる。
OdoVizの設計は、リッチクライアントフロントエンドと組み合わせてデータセットを提供するスリムサーバで構成されている。
この設計では、単一のユーザによるスタンドアロンインストール、社内でデータセットを提供するリサーチグループインストレーション、あるいはデータセットの探索と対話のためのオンラインインターフェースを提供するパブリックアクセスのwebフロントエンドを含む、複数のデプロイメント構成をサポートする。
このツールは、複数の異なる時間帯で同時に横断する完全な車両軌跡を見ることができるので、サブサンプリング、比較、シーケンス内におけるポーズ対応の検索などのタスクが容易になる。
これにより、機械学習タスク用の既存のデータセットからデータサブセットを作成するのに必要な労力が大幅に削減される。
さらに、このシステムは、他の潜在的なデータ管理、可視化、処理タスクのために、ソフトウェアの機能を拡張するカスタム拡張とプラグインの追加もサポートする。
このプラットフォームは、その利用を促進し、研究コミュニティからのさらなる貢献を促進するためにオープンソース化されている。
関連論文リスト
- M3SOT: Multi-frame, Multi-field, Multi-space 3D Single Object Tracking [41.716532647616134]
3D Single Object Tracking (SOT)はコンピュータビジョンの最前線のタスクであり、自動運転のようなアプリケーションに不可欠なことを証明している。
本研究では、複数の入力フレーム(テンプレート集合)、複数の受容場(連続コンテキスト)、複数の解空間(離散タスク)をONEモデルで相乗化する新しい3D SOTフレームワークであるM3SOTを紹介する。
論文 参考訳（メタデータ） (2023-12-11T04:49:47Z) - Multi-task Learning with 3D-Aware Regularization [55.97507478913053]
本稿では,画像エンコーダから抽出した特徴を共有3D特徴空間に投影することで,複数のタスクをインタフェースする構造化3D認識正規化器を提案する。
提案手法はアーキテクチャ非依存であり,従来のマルチタスクバックボーンにプラグインすることで,性能を向上できることを示す。
論文 参考訳（メタデータ） (2023-10-02T08:49:56Z) - VisionKG: Unleashing the Power of Visual Datasets via Knowledge Graph [2.3143591448419074]
Vision Knowledge Graph (VisionKG)は、知識グラフとセマンティックWeb技術を介して視覚データセットを相互にリンクし、整理し、管理する新しいリソースである。
VisionKGには現在5億1900万のRDFトリプルがあり、約4000万のエンティティを記述している。
論文 参考訳（メタデータ） (2023-09-24T11:19:13Z) - Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。
既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
論文 参考訳（メタデータ） (2023-08-21T10:38:32Z) - SCA-PVNet: Self-and-Cross Attention Based Aggregation of Point Cloud and
Multi-View for 3D Object Retrieval [8.74845857766369]
大規模データセットを用いた多モード3Dオブジェクト検索はめったに行われない。
本稿では,3次元オブジェクト検索のための点群と多視点画像の自己・横断的アグリゲーションを提案する。
論文 参考訳（メタデータ） (2023-07-20T05:46:32Z) - Collection Space Navigator: An Interactive Visualization Interface for
Multidimensional Datasets [0.0]
Collection Space Navigator (CSN)は、視覚的デジタルアーティファクトの大規模なコレクションを探索、研究、キュレーションするためのブラウザベースの可視化ツールである。
CSNは2次元投影と多次元フィルタのセットを組み合わせたカスタマイズ可能なインタフェースを提供する。
ユーザは、プロジェクションやフィルタコントロールなど、自身のデータや研究ニーズに合うように、インターフェースを再設定することができる。
論文 参考訳（メタデータ） (2023-05-11T14:03:26Z) - Argoverse 2: Next Generation Datasets for Self-Driving Perception and
Forecasting [64.7364925689825]
Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。
Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。
Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
論文 参考訳（メタデータ） (2023-01-02T00:36:22Z) - ConvLab-3: A Flexible Dialogue System Toolkit Based on a Unified Data
Format [88.33443450434521]
タスク指向対話(TOD)システムはデジタルアシスタントとして機能し、フライトの予約やレストランの検索といった様々なタスクを通じてユーザを誘導する。
TODシステムを構築するための既存のツールキットは、データ、モデル、実験環境の包括的な配列を提供するのに不足することが多い。
本稿では,このギャップを埋めるための多面的対話システムツールキットConvLab-3を紹介する。
論文 参考訳（メタデータ） (2022-11-30T16:37:42Z) - Omnidata: A Scalable Pipeline for Making Multi-Task Mid-Level Vision
Datasets from 3D Scans [103.92680099373567]
本稿では,実世界の包括的3Dスキャンからマルチタスク視覚データセットをパラメトリックサンプリングし,レンダリングするパイプラインを提案する。
サンプリングパラメータを変更することで、生成されたデータセットを“ステア”して、特定の情報を強調することが可能になる。
生成されたスタータデータセットでトレーニングされた共通アーキテクチャは、複数の共通ビジョンタスクとベンチマークで最先端のパフォーマンスに達した。
論文 参考訳（メタデータ） (2021-10-11T04:21:46Z) - An Extensible Dashboard Architecture For Visualizing Base And Analyzed
Data [2.169919643934826]
本稿では,解析データだけでなく,基盤の可視化にも着目する。
本稿では,ユーザインタラクション,ビジュアライゼーション管理,およびベースデータの複雑な解析を行うためのダッシュボードのモジュラーアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-06-09T19:45:43Z) - Improving Point Cloud Semantic Segmentation by Learning 3D Object
Detection [102.62963605429508]
ポイントクラウドセマンティックセグメンテーションは、自動運転において重要な役割を果たす。
現在の3Dセマンティックセグメンテーションネットワークは、よく表現されたクラスに対して優れた性能を発揮する畳み込みアーキテクチャに焦点を当てている。
Aware 3D Semantic Detection (DASS) フレームワークを提案する。
論文 参考訳（メタデータ） (2020-09-22T14:17:40Z)
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。