論文の概要: Convolutional Bayesian Kernel Inference for 3D Semantic Mapping

• arxiv url: http://arxiv.org/abs/2209.10663v1
• Date: Wed, 21 Sep 2022 21:15:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 14:19:19.512206
• Title: Convolutional Bayesian Kernel Inference for 3D Semantic Mapping
• Title（参考訳）: 3次元意味マッピングのための畳み込みベイズカーネル推論
• Authors: Joey Wilson, Yuewei Fu, Arthur Zhang, Jingyu Song, Andrew Capodieci, Paramsothy Jayakumar, Kira Barton, and Maani Ghaffari
• Abstract要約: 本稿では,深度的に分離可能な畳み込み層内でベイズ推論を明示的に実行する,畳み込みベイズカーネル推論層を提案する。 そこで我々は,LiDARセンサ情報に対する意味幾何学的確率分布をリアルタイムで学習する3次元意味マッピングの課題に適用する。 我々は、KITTIデータセット上での最先端セマンティックマッピングアルゴリズムに対するネットワークの評価を行い、同等のセマンティック結果によるレイテンシの向上を実証した。
• 参考スコア（独自算出の注目度）: 1.7615233156139762
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic perception is currently at a cross-roads between modern methods which operate in an efficient latent space, and classical methods which are mathematically founded and provide interpretable, trustworthy results. In this paper, we introduce a Convolutional Bayesian Kernel Inference (ConvBKI) layer which explicitly performs Bayesian inference within a depthwise separable convolution layer to simultaneously maximize efficiency while maintaining reliability. We apply our layer to the task of 3D semantic mapping, where we learn semantic-geometric probability distributions for LiDAR sensor information in real time. We evaluate our network against state-of-the-art semantic mapping algorithms on the KITTI data set, and demonstrate improved latency with comparable semantic results.
• Abstract（参考訳）: ロボットの知覚は現在、効率的な潜在空間で操作する現代の方法と、数学的に確立され、解釈可能で信頼できる結果を提供する古典的な方法の交差点にある。 本稿では,深い分離可能な畳み込み層内でベイズ推論を明示的に実行し,信頼性を維持しつつ効率を同時に最大化する畳み込みベイズカーネル推論(ConvBKI)層を提案する。 そこで我々は,LiDARセンサ情報に対する意味幾何学的確率分布をリアルタイムで学習する3次元意味マッピングの課題に適用する。 kittiデータセット上の最先端のセマンティックマッピングアルゴリズムに対してネットワークを評価し,同等のセマンティック結果によるレイテンシ向上を実証した。

関連論文リスト

• Latent BKI: Open-Dictionary Continuous Mapping in Visual-Language Latent Spaces with Quantifiable Uncertainty [6.986230616834552]
  本稿では,新しい確率的マッピングアルゴリズムであるLatent BKIを導入し,不確かさを定量化するオープン語彙マッピングを実現する。 ラテントBKIは、人気のMatterPort-3DとSemantic KITTIデータセット上で、同様の明示的なセマンティックマッピングとVLマッピングフレームワークに対して評価される。 実世界の実験は、挑戦的な屋内環境に適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-15T17:02:32Z)
• IPoD: Implicit Field Learning with Point Diffusion for Generalizable 3D Object Reconstruction from Single RGB-D Images [50.4538089115248]
  シングルビューRGB-D画像からの3Dオブジェクトの汎用化は依然として難しい課題である。 本稿では,暗黙の場学習と点拡散を調和させる新しい手法IPoDを提案する。 CO3D-v2データセットによる実験では、IPoDの優位性が確認され、Fスコアは7.8%、チャンファー距離は28.6%向上した。
  論文  参考訳（メタデータ） (2024-03-30T07:17:37Z)
• Evidential Semantic Mapping in Off-road Environments with Uncertainty-aware Bayesian Kernel Inference [5.120567378386614]
  本稿では,オフロード環境における信頼性を高めることを目的とした,明白なセマンティックマッピングフレームワークを提案する。 セマンティックな不確かさを適応的に処理することにより、提案フレームワークは、これまで見えなかった環境においても、周囲の堅牢な表現を構築する。
  論文  参考訳（メタデータ） (2024-03-21T05:13:34Z)
• ConvBKI: Real-Time Probabilistic Semantic Mapping Network with Quantifiable Uncertainty [7.537718151195062]
  我々は,不確実な環境でのリアルタイムカラーブラック(>10Hz)セマンティックマッピングのためのモジュール型ニューラルネットワークを開発した。 提案手法は,従来の確率論的アルゴリズムの信頼性と,現代のニューラルネットワークの性能と効率の両立を図っている。
  論文  参考訳（メタデータ） (2023-10-24T17:30:26Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Intensity Profile Projection: A Framework for Continuous-Time Representation Learning for Dynamic Networks [50.2033914945157]
  本稿では、連続時間動的ネットワークデータのための表現学習フレームワークIntensity Profile Projectionを提案する。 このフレームワークは3つの段階から構成される: 対の強度関数を推定し、強度再構成誤差の概念を最小化する射影を学習する。 さらに、推定軌跡の誤差を厳密に制御する推定理論を開発し、その表現がノイズに敏感な追従解析に利用できることを示す。
  論文  参考訳（メタデータ） (2023-06-09T15:38:25Z)
• X-Distill: Improving Self-Supervised Monocular Depth via Cross-Task Distillation [69.9604394044652]
  そこで本研究では,クロスタスク知識蒸留による単眼深度の自己指導的訓練を改善する手法を提案する。 トレーニングでは,事前訓練されたセマンティックセグメンテーション教師ネットワークを使用し,そのセマンティック知識を深度ネットワークに転送する。 提案手法の有効性をKITTIベンチマークで評価し,最新技術と比較した。
  論文  参考訳（メタデータ） (2021-10-24T19:47:14Z)
• PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
  高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。 我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。 提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-09-28T17:56:41Z)
• Dynamic Semantic Occupancy Mapping using 3D Scene Flow and Closed-Form Bayesian Inference [3.0389083199673337]
  深層学習を用いた最新技術セマンティックセマンティックセグメンテーションと3次元フロー推定を利用して,マップ推論の計測を行う。 連続的な(すなわち任意の解像度でクエリできる)ベイズモデルを開発し、フローでシーンを伝播し、静的なモデルよりも優れた性能で3次元意味的占有マップを推論する。
  論文  参考訳（メタデータ） (2021-08-06T15:51:40Z)
• Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
  弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。 このようなペア関係を学習するための反復アルゴリズムを提案する。 本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-19T10:32:03Z)

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。