論文の概要: ReViVD: Exploration and Filtering of Trajectories in an Immersive Environment using 3D Shapes

• arxiv url: http://arxiv.org/abs/2202.10545v1
• Date: Mon, 21 Feb 2022 21:58:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-23 16:14:02.726949
• Title: ReViVD: Exploration and Filtering of Trajectories in an Immersive Environment using 3D Shapes
• Title（参考訳）: ReViVD:3次元形状を用いた没入環境における軌道探索とフィルタリング
• Authors: Fran\c{c}ois Homps, Yohan Beugin, Romain Vuillemot
• Abstract要約: 本稿では,VRを用いた大規模軌跡ベースデータセットの探索とフィルタリングを行うReViVDを提案する。 ReViVDの斬新さは、ユーザがトラジェクトリのグループを選択してフィルタリングするためのクエリとして、単純な3D形状を使うことにある。 我々は,GPS位置追跡からシミュレーションデータまで,さまざまなアプリケーション領域におけるReViVDの利用を実証する。
• 参考スコア（独自算出の注目度）: 3.308743964406687
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present ReViVD, a tool for exploring and filtering large trajectory-based datasets using virtual reality. ReViVD's novelty lies in using simple 3D shapes -- such as cuboids, spheres and cylinders -- as queries for users to select and filter groups of trajectories. Building on this simple paradigm, more complex queries can be created by combining previously made selection groups through a system of user-created Boolean operations. We demonstrate the use of ReViVD in different application domains, from GPS position tracking to simulated data (e.g., turbulent particle flows and traffic simulation). Our results show the ease of use and expressiveness of the 3D geometric shapes in a broad range of exploratory tasks. ReViVD was found to be particularly useful for progressively refining selections to isolate outlying behaviors. It also acts as a powerful communication tool for conveying the structure of normally abstract datasets to an audience.
• Abstract（参考訳）: 本稿では,VRを用いた大規模軌跡ベースデータセットの探索とフィルタリングを行うReViVDを提案する。 ReViVDの斬新さは、キューブ、球体、シリンダーなどの単純な3D形状を、ユーザーが軌道の群を選択・フィルタリングするためのクエリとして使うことである。 この単純なパラダイムに基づいて、より複雑なクエリは、ユーザが作成したboolean操作のシステムを通じて、以前に作られたセレクショングループを組み合わせることで作成できる。 本稿では,GPS位置追跡からシミュレーションデータ(乱流粒子流や交通シミュレーションなど)まで,さまざまなアプリケーション領域におけるReViVDの利用を実証する。 本結果は,広範囲な探索作業における3次元形状の使いやすさと表現性を示すものである。 ReViVDは、段階的に精製し、外部の挙動を分離するのに特に有用であることが判明した。 また、通常抽象データセットの構造を聴衆に伝えるための強力なコミュニケーションツールとしても機能する。

関連論文リスト

• Volumetric Environment Representation for Vision-Language Navigation [66.04379819772764]
  視覚言語ナビゲーション(VLN)は、視覚的な観察と自然言語の指示に基づいて、エージェントが3D環境をナビゲートする必要がある。 本研究では,物理世界を3次元構造細胞にボクセル化するボリューム環境表現(VER)を提案する。 VERは3D占有率、3D部屋レイアウト、および3Dバウンディングボックスを共同で予測する。
  論文  参考訳（メタデータ） (2024-03-21T06:14:46Z)
• 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)
• Exploring Point-BEV Fusion for 3D Point Cloud Object Tracking with Transformer [62.68401838976208]
  3Dオブジェクトトラッキングは、オブジェクトテンプレートが与えられた連続したフレームにおけるオブジェクトの位置と向きを予測することを目的としている。 トランスの成功に触発されたPTTR(Point Tracking TRansformer)を提案する。
  論文  参考訳（メタデータ） (2022-08-10T08:36:46Z)
• SRCN3D: Sparse R-CNN 3D for Compact Convolutional Multi-View 3D Object Detection and Tracking [12.285423418301683]
  本稿では,スパースクエリ,ボックスワイズサンプリングによるスパースアテンション,スパース予測を組み込んだ新しい2段フルスパース検出器であるスパースR-CNN3Dを提案する。 nuScenesデータセットの実験では、SRCN3Dは3Dオブジェクト検出とマルチオブジェクト追跡の両方で競合性能を達成している。
  論文  参考訳（メタデータ） (2022-06-29T07:58:39Z)
• RBGNet: Ray-based Grouping for 3D Object Detection [104.98776095895641]
  本稿では,点雲からの正確な3次元物体検出のための投票型3次元検出器RBGNetフレームワークを提案する。 決定された光線群を用いて物体表面上の点方向の特徴を集約する。 ScanNet V2 と SUN RGB-D による最先端の3D 検出性能を実現する。
  論文  参考訳（メタデータ） (2022-04-05T14:42:57Z)
• The Devil is in the Task: Exploiting Reciprocal Appearance-Localization Features for Monocular 3D Object Detection [62.1185839286255]
  低コストのモノクル3D物体検出は、自律運転において基本的な役割を果たす。 DFR-Netという動的特徴反射ネットワークを導入する。 我々は、KITTIテストセットの全ての単分子3D物体検出器の中で、第1位にランク付けする。
  論文  参考訳（メタデータ） (2021-12-28T07:31:18Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• PREPRINT: Comparison of deep learning and hand crafted features for mining simulation data [7.214140640112874]
  本稿では,高次元データセットから有意な結果を自動抽出する作業について述べる。 このようなデータを処理することができる深層学習手法を提案し、シミュレーションデータに関する関連するタスクを解決するように訓練することができる。 16,000フローフィールドを含む翼まわりの流れ場の2次元シミュレーションの大規模なデータセットをコンパイルし,比較を行った。
  論文  参考訳（メタデータ） (2021-03-11T09:28:00Z)
• It's All Around You: Range-Guided Cylindrical Network for 3D Object Detection [4.518012967046983]
  本研究は,360度深度スキャナーによって生成された3次元データを解析するための新しい手法を提案する。 距離誘導畳み込みの概念を導入し,エゴ車と物体のスケールからの距離で受容場を適応させる。 我々のネットワークは、現在の最先端アーキテクチャに匹敵するnuScenesチャレンジにおいて、強力な結果を示す。
  論文  参考訳（メタデータ） (2020-12-05T21:02:18Z)
• Transferable Active Grasping and Real Embodied Dataset [48.887567134129306]
  ハンドマウント型RGB-Dカメラを用いて把握可能な視点を探索する方法を示す。 現実的な3段階の移動可能な能動把握パイプラインを開発し、未確認のクラッタシーンに適応する。 本研究のパイプラインでは,カテゴリ非関連行動の把握と確保において,スパース報酬問題を克服するために,新しいマスク誘導報酬を提案する。
  論文  参考訳（メタデータ） (2020-04-28T08:15:35Z)

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。