論文の概要: Re-Evaluating LiDAR Scene Flow for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2304.02150v1
• Date: Tue, 4 Apr 2023 22:45:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-06 13:55:16.957909
• Title: Re-Evaluating LiDAR Scene Flow for Autonomous Driving
• Title（参考訳）: 自動運転のためのLiDARシーンフローの再評価
• Authors: Nathaniel Chodosh, Deva Ramanan, Simon Lucey
• Abstract要約: 自己教師型LiDAR流れ推定の現在の手法は実データではうまく機能しない。 我々はICPの運動補償と断片的な厳密な仮定を組み合わせて最先端のシステムを構築する。 提案手法はArgoverse 2.0の既存の手法よりも優れており、NuScenesのエラー率を半減させ、シーンやライダーキティにおける教師ネットワークの性能に匹敵する。
• 参考スコア（独自算出の注目度）: 82.90436833263611
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current methods for self-supervised LiDAR scene flow estimation work poorly on real data. A variety of flaws in common evaluation protocols have caused leading approaches to focus on problems that do not exist in real data. We analyze a suite of recent works and find that despite their focus on deep learning, the main challenges of the LiDAR scene flow problem -- removing the dominant rigid motion and robustly estimating the simple motions that remain -- can be more effectively solved with classical techniques such as ICP motion compensation and enforcing piecewise rigid assumptions. We combine these steps with a test-time optimization method to form a state-of-the-art system that does not require any training data. Because our final approach is dataless, it can be applied on different datasets with diverse LiDAR rigs without retraining. Our proposed approach outperforms all existing methods on Argoverse 2.0, halves the error rate on NuScenes, and even rivals the performance of supervised networks on Waymo and lidarKITTI.
• Abstract（参考訳）: 自己教師型LiDARシーンフロー推定の現在の手法は実データではうまく機能しない。 共通評価プロトコルの様々な欠陥により、リードアプローチは実データに存在しない問題に焦点を合わせている。 近年の一連の研究を分析した結果、lidarのシーンフロー問題(支配的な剛性のある動きを取り除き、残る単純な動きを堅牢に推定する)の主な課題は、icpの動作補償や断片的な剛性仮定の強制といった古典的な手法でより効果的に解決できることが判明した。 これらのステップをテスト時間最適化手法と組み合わせることで,トレーニングデータを必要としない最先端システムを構築する。 最終的なアプローチはデータレスなので、さまざまなLiDARリグを持つデータセットに再トレーニングすることなく適用できます。 提案手法はArgoverse 2.0の既存の手法よりも優れており、NuScenesのエラー率を半減させ、WaymoやLidarKITTIの監視ネットワークの性能に匹敵する。

関連論文リスト

• Efficient Diffusion as Low Light Enhancer [63.789138528062225]
  RATR(Reflectance-Aware Trajectory Refinement)は、イメージの反射成分を用いて教師の軌跡を洗練するための、シンプルで効果的なモジュールである。 textbfReDDiT (textbfDistilled textbfTrajectory) は低照度画像強調(LLIE)に適した効率的で柔軟な蒸留フレームワークである。
  論文  参考訳（メタデータ） (2024-10-16T08:07:18Z)
• Dual-frame Fluid Motion Estimation with Test-time Optimization and Zero-divergence Loss [9.287932323337163]
  3次元粒子追跡速度計(PTV)は乱流解析の鍵となる技術である。 深層学習に基づく手法は、2フレームの流体運動推定において顕著な精度を達成している。 我々は,完全に自己管理された新しい手法を導入し,完全に教師された手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-10-15T18:00:00Z)
• Exploring the Performance of Continuous-Time Dynamic Link Prediction Algorithms [14.82820088479196]
  ダイナミックリンク予測(DLP)は、進化するネットワークにおける将来のリンクの予測に対処する。 本研究では,このような総合的な評価を行うためのツールをコントリビュートする。 評価時に使用可能な陰性サンプリング手法の網羅的な分類法について述べる。
  論文  参考訳（メタデータ） (2024-05-27T14:03:28Z)
• Planning for Sample Efficient Imitation Learning [52.44953015011569]
  現在の模倣アルゴリズムは、高い性能と高環境サンプル効率を同時に達成するのに苦労している。 本研究では,環境内サンプルの効率と性能を同時に達成できる計画型模倣学習手法であるEfficientImitateを提案する。 実験結果から,EIは性能と試料効率の両立を図った。
  論文  参考訳（メタデータ） (2022-10-18T05:19:26Z)
• On Modality Bias Recognition and Reduction [70.69194431713825]
  マルチモーダル分類の文脈におけるモダリティバイアス問題について検討する。 本稿では,各ラベルの特徴空間を適応的に学習するプラグアンドプレイ損失関数法を提案する。 本手法は, ベースラインに比べ, 顕著な性能向上を実現している。
  論文  参考訳（メタデータ） (2022-02-25T13:47:09Z)
• What Stops Learning-based 3D Registration from Working in the Real World? [53.68326201131434]
  この研究は、3Dポイントのクラウド登録失敗の原因を特定し、その原因を分析し、解決策を提案する。 最終的に、これは最も実践的な3D登録ネットワーク(BPNet)に変換される。 我々のモデルは微調整をせずに実データに一般化し、商用センサで得られた見えない物体の点雲上で最大67%の精度に達する。
  論文  参考訳（メタデータ） (2021-11-19T19:24:27Z)
• DEALIO: Data-Efficient Adversarial Learning for Imitation from Observation [57.358212277226315]
  観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。 近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。 この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。 よりデータ効率の高いifOアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-31T23:46:32Z)
• A Critical Assessment of State-of-the-Art in Entity Alignment [1.7725414095035827]
  本稿では,知識グラフにおけるエンティティアライメントのタスクに対する2つの最先端(SotA)手法について検討する。 まず、ベンチマークプロセスについて慎重に検討し、いくつかの欠点を特定した。
  論文  参考訳（メタデータ） (2020-10-30T15:09:19Z)
• Continuous Optimization Benchmarks by Simulation [0.0]
  最適化アルゴリズムのテスト、比較、チューニング、理解にはベンチマーク実験が必要である。 以前の評価から得られたデータは、ベンチマークに使用される代理モデルのトレーニングに使用することができる。 本研究では,スペクトルシミュレーションにより連続最適化問題のシミュレーションが可能であることを示す。
  論文  参考訳（メタデータ） (2020-08-14T08:50:57Z)

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。