Fugu-MT 論文翻訳(概要): Sensor Data Fusion in Top-View Grid Maps using Evidential Reasoning with Advanced Conflict Resolution

論文の概要: Sensor Data Fusion in Top-View Grid Maps using Evidential Reasoning with Advanced Conflict Resolution

arxiv url: http://arxiv.org/abs/2204.08780v1
Date: Tue, 19 Apr 2022 10:02:21 GMT
ステータス: 処理完了
システム内更新日: 2022-04-20 14:25:54.571189
Title: Sensor Data Fusion in Top-View Grid Maps using Evidential Reasoning with Advanced Conflict Resolution
Title（参考訳）: 高度な衝突解消を伴う証拠推論を用いたトップビューグリッドマップにおけるセンサデータ融合
Authors: Sven Richter, Frank Bieder, Sascha Wirges and Christoph Stiller
Abstract要約: 異質なセンサ源から推定される露骨なトップビューグリッドマップを結合する新しい手法を提案する。そこで本研究では,Kitti-360データセットを用いて,融合品質を最適化するデータ駆動信頼性推定手法を提案する。
参考スコア（独自算出の注目度）: 3.337790639927531
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a new method to combine evidential top-view grid maps estimated based on heterogeneous sensor sources. Dempster's combination rule that is usually applied in this context provides undesired results with highly conflicting inputs. Therefore, we use more advanced evidential reasoning techniques and improve the conflict resolution by modeling the reliability of the evidence sources. We propose a data-driven reliability estimation to optimize the fusion quality using the Kitti-360 dataset. We apply the proposed method to the fusion of LiDAR and stereo camera data and evaluate the results qualitatively and quantitatively. The results demonstrate that our proposed method robustly combines measurements from heterogeneous sensors and successfully resolves sensor conflicts.
Abstract（参考訳）: 異質なセンサ源から推定される露骨なトップビューグリッドマップを結合する新しい手法を提案する。この文脈で通常適用されるデンプスターの組合せ規則は、非常に相反する入力を持つ望ましくない結果をもたらす。したがって,より高度な証拠推論手法を用い,証拠源の信頼性をモデル化し,紛争解決の改善を図る。 kitti-360データセットを用いた融合品質を最適化するためのデータ駆動信頼性推定手法を提案する。提案手法をLiDARとステレオカメラデータの融合に適用し,定性的に定量的に評価する。提案手法は, 異種センサによる計測を頑健に組み合わせ, センサの衝突を解消する。

関連論文リスト

Deep Optimal Sensor Placement for Black Box Stochastic Simulations [1.638332186726632]
本稿では, 入力パラメータに対する結合分布と, 結合エネルギーモデルを用いた解を提案する。提案手法は,従来の手法に比べて計算コストの低い高精度なセンサ位置を提供することを示す。
論文参考訳（メタデータ） (2024-10-15T20:10:25Z)
An Efficient Difference-of-Convex Solver for Privacy Funnel [3.069335774032178]
本稿では,プライバシ・ファンネル(PF)手法の効率的な解法を提案する。提案した直流分離は, クローズドフォーム更新方程式を導出する。提案手法をMNISTおよびFashionデータセットを用いて評価する。
論文参考訳（メタデータ） (2024-03-02T01:05:25Z)
Efficient Multi-Resolution Fusion for Remote Sensing Data with Label Uncertainty [0.7832189413179361]
本稿では,画素レベルのトレーニングラベルを必要とせず,マルチモーダル・マルチレゾリューションリモートセンサデータを融合する新しい手法を提案する。探索空間を削減し,MIMRFフレームワークの効率を大幅に改善する二元ファジィ測度に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2024-02-07T17:34:32Z)
The Risk of Federated Learning to Skew Fine-Tuning Features and Underperform Out-of-Distribution Robustness [50.52507648690234]
フェデレートされた学習は、微調整された特徴をスキイングし、モデルの堅牢性を損なうリスクがある。 3つのロバスト性指標を導入し、多様なロバストデータセットで実験を行う。提案手法は,パラメータ効率のよい微調整手法を含む多種多様なシナリオにまたがるロバスト性を著しく向上させる。
論文参考訳（メタデータ） (2024-01-25T09:18:51Z)
PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection [81.16859686137435]
本稿では、極座標における新しい3次元物体検出器Partnerを紹介する。提案手法は,ONCE検証セットにおいて3.68%,9.15%の差で従来の極性理論よりも優れていた。
論文参考訳（メタデータ） (2023-08-08T01:59:20Z)
PAIF: Perception-Aware Infrared-Visible Image Fusion for Attack-Tolerant Semantic Segmentation [50.556961575275345]
対向シーンにおけるセグメンテーションの堅牢性を促進するための認識認識型融合フレームワークを提案する。我々は,先進の競争相手に比べて15.3% mIOUの利得で,ロバスト性を大幅に向上させることを示す。
論文参考訳（メタデータ） (2023-08-08T01:55:44Z)
Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
論文参考訳（メタデータ） (2022-03-30T11:44:56Z)
DepthFormer: Exploiting Long-Range Correlation and Local Information for Accurate Monocular Depth Estimation [50.08080424613603]
高精度な単分子深度推定には長距離相関が不可欠である。我々は,このグローバルコンテキストを効果的な注意機構でモデル化するためにTransformerを活用することを提案する。提案したモデルであるDepthFormerは、最先端のモノクル深度推定手法をはるかに超えている。
論文参考訳（メタデータ） (2022-03-27T05:03:56Z)
Enabling Efficient Deep Convolutional Neural Network-based Sensor Fusion for Autonomous Driving [10.326217500172689]
DCNN間の融合は、良好な認識精度を達成するための有望な戦略として証明されている。本稿では,融合した特徴マップ間の特徴差の度合いを計測する特徴不均一度尺度を提案する。また、計算オーバーヘッドを少なくして精度を向上できる層共有手法をディープ層に提案する。
論文参考訳（メタデータ） (2022-02-22T23:35:30Z)
Full-resolution quality assessment for pansharpening [0.0]
パンスハーペン法における信頼性の高い品質評価手法は,関連ソリューションの開発において重要である。本稿では,スペクトル忠実度問題に対処可能なプロトコル,すなわち再投射プロトコルを導入する。一方,パンシャーペン画像とパンクロマティックバンドの完全分解能における空間整合性の新たな指標が提案されている。
論文参考訳（メタデータ） (2021-08-13T09:35:45Z)
Deep Variational Models for Collaborative Filtering-based Recommender Systems [63.995130144110156]
ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
論文参考訳（メタデータ） (2021-07-27T08:59:39Z)

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。