Fugu-MT 論文翻訳(概要): MambaBEV: An efficient 3D detection model with Mamba2

論文の概要: MambaBEV: An efficient 3D detection model with Mamba2

arxiv url: http://arxiv.org/abs/2410.12673v1
Date: Wed, 16 Oct 2024 15:37:29 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-17 13:42:07.029150
Title: MambaBEV: An efficient 3D detection model with Mamba2
Title（参考訳）: MambaBEV:Mamba2を用いた効率的な3D検出モデル
Authors: Zihan You, Hao Wang, Qichao Zhao, Jinxiang Wang,
Abstract要約: 本稿では,mamba2を用いたBEV 3Dオブジェクト検出モデルを提案する。また、モデルの性能をテストするためにエンド・ツー・エンドの自動運転パラダイムを適用します。
参考スコア（独自算出の注目度）: 4.782473183865045
License:
Abstract: A stable 3D object detection model based on BEV paradigm with temporal information is very important for autonomous driving systems. However, current temporal fusion model use convolutional layer or deformable self-attention is not conducive to the exchange of global information of BEV space and has more computational cost. Recently, a newly proposed based model specialized in processing sequence called mamba has shown great potential in multiple downstream task. In this work, we proposed a mamba2-based BEV 3D object detection model named MambaBEV. We also adapt an end to end self driving paradigm to test the performance of the model. Our work performs pretty good results on nucences datasets:Our base version achieves 51.7% NDS. Our code will be available soon.
Abstract（参考訳）: 自律運転システムにおいて,時間情報を用いたBEVパラダイムに基づく安定3次元物体検出モデルが非常に重要である。しかし、現在の時間融合モデルでは、畳み込み層や変形可能な自己アテンションは、BEV空間のグローバルな情報の交換とは関係がなく、より計算コストが高い。近年,マルチダウンストリームタスクにおいて,mambaと呼ばれる処理シーケンスに特化する新たなモデルが提案されている。本研究では,mamba2をベースとしたBEV3Dオブジェクト検出モデルであるMambaBEVを提案する。また、モデルの性能をテストするためにエンド・ツー・エンドの自動運転パラダイムを適用します。我々のベースバージョンは51.7%のNDSを実現しています。私たちのコードはまもなく利用可能になります。

関連論文リスト

BEVWorld: A Multimodal World Model for Autonomous Driving via Unified BEV Latent Space [57.68134574076005]
BEVWorldは,マルチモーダルセンサの入力を,環境モデリングのための統一的でコンパクトなBird's Eye View潜在空間にトークン化する手法である。実験は、自律走行タスクにおけるBEVWorldの有効性を示し、将来のシーンを生成する能力を示し、知覚や動き予測のような下流タスクに恩恵を与える。
論文参考訳（メタデータ） (2024-07-08T07:26:08Z)
QD-BEV : Quantization-aware View-guided Distillation for Multi-view 3D Object Detection [57.019527599167255]
BEV (bird-eye-view) に基づく多視点3D検出は、最近大幅に改善されている。本稿では,BEVタスクに量子化を直接適用することで,トレーニングが不安定になり,性能劣化が許容できないことを示す。 QD-BEVにより,新しいビュー誘導蒸留(VGD)の目標が実現され,QAT(量子化対応トレーニング)の安定化が図られ,モデル性能が向上する。
論文参考訳（メタデータ） (2023-08-21T07:06:49Z)
Knowledge Distillation from 3D to Bird's-Eye-View for LiDAR Semantic Segmentation [6.326177388323946]
本研究では,3次元ボクセルモデルからBEVモデルへ豊富な知識を伝達する有効な3D-to-BEV知識蒸留法を開発した。本フレームワークは,主にボクセル-ピラー蒸留モジュールとラベル-重蒸留モジュールの2つのモジュールから構成される。ラベル重量の蒸留は、より高い情報を持つ領域により注意を払うのに役立つ。
論文参考訳（メタデータ） (2023-04-22T13:03:19Z)
MetaBEV: Solving Sensor Failures for BEV Detection and Map Segmentation [104.12419434114365]
現実世界のアプリケーションでは、センサの破損や故障がパフォーマンスの低下につながります。極端に現実世界の環境に対処するための,MetaBEVと呼ばれる堅牢なフレームワークを提案する。 MetaBEVは、完全なモダリティと腐敗したモダリティの両方に大きなマージンで、先行技術よりも優れています。
論文参考訳（メタデータ） (2023-04-19T16:37:17Z)
DiffBEV: Conditional Diffusion Model for Bird's Eye View Perception [14.968177102647783]
そこで我々は,より包括的なBEV表現を生成するために拡散モデルの可能性を活用するために,DiffBEVというエンドツーエンドフレームワークを提案する。実際に,粗いサンプルを識別し,意味的特徴を洗練する拡散モデルの訓練を指導する3種類の条件を設計する。 DiffBEV が nuScenes データセット上で 25.9% mIoU を達成することを示す。
論文参考訳（メタデータ） (2023-03-15T02:42:48Z)
BEV-MAE: Bird's Eye View Masked Autoencoders for Point Cloud Pre-training in Autonomous Driving Scenarios [51.285561119993105]
自律運転におけるLiDARに基づく3Dオブジェクト検出のための,効率的なマスク付きオートエンコーダ事前学習フレームワークであるBEV-MAEを提案する。具体的には、3Dエンコーダ学習特徴表現を導くために,鳥の目視(BEV)誘導マスキング戦略を提案する。学習可能なポイントトークンを導入し、3Dエンコーダの一貫性のある受容的フィールドサイズを維持する。
論文参考訳（メタデータ） (2022-12-12T08:15:03Z)
Probabilistic Modeling for Human Mesh Recovery [73.11532990173441]
本稿では,2次元の証拠から3次元の人体復元の問題に焦点を当てた。我々は,この問題を,入力から3Dポーズの分布へのマッピング学習として再考した。
論文参考訳（メタデータ） (2021-08-26T17:55:11Z)
SA-Det3D: Self-Attention Based Context-Aware 3D Object Detection [9.924083358178239]
本稿では,3次元物体検出におけるコンテキストモデリングのための2種類の自己注意法を提案する。まず,現状のbev,voxel,ポイントベース検出器にペアワイズ自着機構を組み込む。次に,ランダムにサンプリングされた位置の変形を学習することにより,最も代表的な特徴のサブセットをサンプリングするセルフアテンション変種を提案する。
論文参考訳（メタデータ） (2021-01-07T18:30:32Z)
PerMO: Perceiving More at Once from a Single Image for Autonomous Driving [76.35684439949094]
単一画像から完全テクスチャ化された車両の3次元モデルを検出し,セグメント化し,再構成する新しい手法を提案する。私たちのアプローチは、ディープラーニングの強みと従来のテクニックの優雅さを組み合わせています。我々はこれらのアルゴリズムを自律運転システムに統合した。
論文参考訳（メタデータ） (2020-07-16T05:02:45Z)
An LSTM-Based Autonomous Driving Model Using Waymo Open Dataset [7.151393153761375]
本稿では,短期記憶モデル(LSTM)を用いた自律走行モデルの動作を模倣する手法を提案する。実験結果から,本モデルは動作予測においていくつかのモデルより優れることがわかった。
論文参考訳（メタデータ） (2020-02-14T05:28:15Z)

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。