論文の概要: UOD: Unseen Object Detection in 3D Point Cloud

• arxiv url: http://arxiv.org/abs/2401.03846v2
• Date: Tue, 27 May 2025 08:04:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:57.953419
• Title: UOD: Unseen Object Detection in 3D Point Cloud
• Title（参考訳）: UOD:3Dポイントクラウドで見えない物体検出
• Authors: Hyunjun Choi, Daeho Um, Hawook Jeong,
• Abstract要約: 未確認物体に対する3D検出とOF-Distribution(OOD)分類の性能を向上させる手法を提案する。 提案手法は, 異常サンプル増強, 普遍的対象の学習, 未確認物体の検出の学習, 未確認物体の識別の学習を含む。 提案手法は,既存のすべての手法にまたがる大きなマージンで連続的に性能を向上する。
• 参考スコア（独自算出の注目度）: 1.6140028376674613
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing 3D object detectors encounter extreme challenges in localizing unseen 3D objects and recognizing them as unseen, which is a crucial technology in autonomous driving in the wild. To address these challenges, we propose practical methods to enhance the performance of 3D detection and Out-Of-Distribution (OOD) classification for unseen objects. The proposed methods include anomaly sample augmentation, learning of universal objectness, learning of detecting unseen objects, and learning of distinguishing unseen objects. To demonstrate the effectiveness of our approach, we propose the KITTI Misc benchmark and two additional synthetic OOD benchmarks: the Nuscenes OOD benchmark and the SUN-RGBD OOD benchmark. The proposed methods consistently enhance performance by a large margin across all existing methods, giving insight for future work on unseen 3D object detection in the wild.
• Abstract（参考訳）: 既存の3Dオブジェクト検出器は、見えない3Dオブジェクトを位置決めし、それらを見えないものとして認識する、という極端な課題に直面している。 これらの課題に対処するため,本研究では,未確認物体に対する3D検出とOF-Distribution(OOD)分類の性能向上のための実用的手法を提案する。 提案手法は, 異常サンプル増強, 普遍的対象の学習, 未確認物体の検出の学習, 未確認物体の識別の学習を含む。 提案手法の有効性を示すために,KITTI MiscベンチマークとNuscenes OODベンチマークとSUN-RGBD OODベンチマークの2つの追加合成OODベンチマークを提案する。 提案手法は既存のすべての手法にまたがって連続的に性能を向上し, 将来, 未確認の3Dオブジェクト検出に向けた知見を与える。

関連論文リスト

• HD-OOD3D: Supervised and Unsupervised Out-of-Distribution object detection in LiDAR data [6.131026007721572]
  HD-OOD3Dは未知の物体を検出するための新しい2段階法である。 未知の物体を学習する際の課題を解決するために,未知の物体に対して擬似ラベルを生成するための教師なしの訓練戦略を検討する。
  論文  参考訳（メタデータ） (2024-10-31T09:29:55Z)
• FlightScope: A Deep Comprehensive Review of Aircraft Detection Algorithms in Satellite Imagery [2.9687381456164004]
  本稿では,衛星画像中の航空機を識別するタスク用にカスタマイズされた,高度な物体検出アルゴリズム群を批判的に評価し,比較する。 この研究は、YOLOバージョン5と8、より高速なRCNN、CenterNet、RetinaNet、RTMDet、DETRを含む一連の方法論を含む。 YOLOv5は空中物体検出のための堅牢なソリューションとして登場し、平均的精度、リコール、ユニオンのスコアに対するインターセクションによってその重要性を裏付けている。
  論文  参考訳（メタデータ） (2024-04-03T17:24:27Z)
• Leveraging Anchor-based LiDAR 3D Object Detection via Point Assisted Sample Selection [40.005411891186874]
  本稿では, 点雲分布を利用したアンカー試料品質測定のための新しいトレーニングサンプル選択法を提案する。 実験により, PASSの適用により, アンカーベースLiDAR3Dオブジェクト検出器の平均精度が向上し, 新たな最先端技術が得られた。
  論文  参考訳（メタデータ） (2024-03-04T12:20:40Z)
• Joint object detection and re-identification for 3D obstacle multi-camera systems [47.87501281561605]
  本研究は,カメラとライダー情報を用いた物体検出ネットワークに新たな改良を加えたものである。 同じ車両内の隣のカメラにまたがって物体を再識別する作業のために、追加のブランチが組み込まれている。 その結果,従来の非最大抑圧(NMS)技術よりも,この手法が優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-09T15:16:35Z)
• An Empirical Analysis of Range for 3D Object Detection [70.54345282696138]
  本稿では,長距離検出データセットArgoverse 2.0を用いた遠距離3次元検出の実験的検討を行った。 近接場LiDARの測定は、小さなボクセルによって密度が高く最適に符号化され、遠距離場の測定は疎く、大きなボクセルで符号化されている。 本研究では,33%の効率向上と3.2%のCDSの精度向上を図った。
  論文  参考訳（メタデータ） (2023-08-08T05:29:26Z)
• Object Semantics Give Us the Depth We Need: Multi-task Approach to Aerial Depth Completion [1.2239546747355885]
  本稿では,2つのタスクをひとつのパスで共同実行するための新しい手法を提案する。 提案手法は,2つのタスクを共同学習機能に公開するエンコーダに着目したマルチタスク学習モデルに基づく。 実験の結果,提案したマルチタスクネットワークはシングルタスクネットワークよりも優れていた。
  論文  参考訳（メタデータ） (2023-04-25T03:21:32Z)
• AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
  ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。 我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
  論文  参考訳（メタデータ） (2022-08-24T16:54:38Z)
• Aerial Monocular 3D Object Detection [67.20369963664314]
  DVDETは2次元画像空間と3次元物理空間の両方で空中単分子3次元物体検出を実現するために提案される。 高度視差変形問題に対処するため,新しい測地変形変換モジュールを提案する。 より多くの研究者がこの領域を調査するよう促すため、データセットと関連するコードをリリースします。
  論文  参考訳（メタデータ） (2022-08-08T08:32:56Z)
• UFO: Unified Feature Optimization [67.77936811483664]
  本稿では、深層モデルの訓練と展開のための新しい統一特徴最適化(UFO)パラダイムを提案する。 UFOは、すべてのタスクに対して大規模な事前訓練を行うことで、各タスクに利益をもたらすことを目指している。 UFOは、大規模な事前訓練の利点を維持しながら、柔軟な展開に優れた利便性を提供する。
  論文  参考訳（メタデータ） (2022-07-21T07:34:06Z)
• Multi-Camera Multiple 3D Object Tracking on the Move for Autonomous Vehicles [17.12321292167318]
  オブジェクトの検出と追跡は、カメラのビューにまたがって一貫した結果を達成するなど、新しい課題に対処するために重要である。 本研究は,既存のトラックレットの位置とリンク検出をトラックレットで予測するために,リンク予測を用いた新たなグローバルアソシエーショングラフモデルを提案する。 本モデルは, nuScenes 検出課題における標準3次元物体検出器の検出精度の向上に有効である。
  論文  参考訳（メタデータ） (2022-04-19T22:50:36Z)
• OW-DETR: Open-world Detection Transformer [90.56239673123804]
  オープンワールドオブジェクト検出のための新しいエンドツーエンドトランスフォーマーベースのフレームワークOW-DETRを提案する。 OW-DETRは3つの専用コンポーネント、すなわち注目駆動の擬似ラベル、新規性分類、オブジェクトネススコアから構成される。 我々のモデルは、最近導入されたOWODアプローチであるOREよりも優れており、リコールの度合いは1.8%から3.3%である。
  論文  参考訳（メタデータ） (2021-12-02T18:58:30Z)
• InfoFocus: 3D Object Detection for Autonomous Driving with Dynamic Information Modeling [65.47126868838836]
  動的情報モデリングを用いた新しい3次元オブジェクト検出フレームワークを提案する。 粗い予測は、ボクセルベースの領域提案ネットワークを介して第1段階で生成される。 大規模なnuScenes 3D検出ベンチマークで実験を行った。
  論文  参考訳（メタデータ） (2020-07-16T18:27:08Z)

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。