論文の概要: Learning-based 3D Reconstruction in Autonomous Driving: A Comprehensive Survey

• arxiv url: http://arxiv.org/abs/2503.14537v2
• Date: Sat, 22 Mar 2025 02:26:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:28:56.031103
• Title: Learning-based 3D Reconstruction in Autonomous Driving: A Comprehensive Survey
• Title（参考訳）: 自律運転における学習に基づく3次元再構築 : 総合的な調査
• Authors: Liewen Liao, Weihao Yan, Ming Yang, Songan Zhang,
• Abstract要約: 学習に基づく3D再構成は、自律運転におけるトランスフォーメーション技術として登場した。 我々は近年の進歩を多視点で詳細に分析する。
• 参考スコア（独自算出の注目度）: 6.653873138644471
• License:
• Abstract: Learning-based 3D reconstruction has emerged as a transformative technique in autonomous driving, enabling precise modeling of both dynamic and static environments through advanced neural representations. Despite data augmentation, 3D reconstruction inspires pioneering solution for vital tasks in the field of autonomous driving, such as scene understanding and closed-loop simulation. We investigates the details of 3D reconstruction and conducts a multi-perspective, in-depth analysis of recent advancements. Specifically, we first provide a systematic introduction of preliminaries, including data modalities, benchmarks and technical preliminaries of learning-based 3D reconstruction, facilitating instant identification of suitable methods according to sensor suites. Then, we systematically review learning-based 3D reconstruction methods in autonomous driving, categorizing approaches by subtasks and conducting multi-dimensional analysis and summary to establish a comprehensive technical reference. The development trends and existing challenges are summarized in the context of learning-based 3D reconstruction in autonomous driving. We hope that our review will inspire future researches.
• Abstract（参考訳）: 学習に基づく3D再構成は、自律運転における変換技術として登場し、高度な神経表現を通じて動的環境と静的環境の両方の正確なモデリングを可能にする。 データ拡張にもかかわらず、3D再構成は、シーン理解やクローズドループシミュレーションなど、自動運転分野における重要なタスクに対する先駆的なソリューションを刺激する。 本稿では,3次元再構築の詳細を考察し,近年の進歩を多視点で詳細に分析する。 具体的には、まず、データモダリティ、ベンチマーク、および学習に基づく3D再構成の技術的プリミナリを含む、プリミナリーの体系的導入を行い、センサスイートによる適切な方法の即時識別を容易にする。 そこで我々は,自律運転における学習に基づく3次元再構築手法を体系的にレビューし,サブタスクによるアプローチの分類と多次元解析と要約を行い,総合的な技術的基準を確立する。 開発動向と既存の課題は、自律運転における学習に基づく3D再構築の文脈で要約される。 われわれのレビューが今後の研究を刺激することを期待している。

関連論文リスト

• A Survey of World Models for Autonomous Driving [63.33363128964687]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• A Comprehensive Review of 3D Object Detection in Autonomous Driving: Technological Advances and Future Directions [11.071271817366739]
  3次元物体認識は、自律運転システムの開発において重要な要素となっている。 本稿では,カメラベース,LiDARベース,核融合検出技術を中心に,従来の3次元物体検出手法を概説する。 本稿では、時間知覚、占有グリッド、エンドツーエンド学習フレームワークなどの精度向上手法を含む今後の方向性について論じる。
  論文  参考訳（メタデータ） (2024-08-28T01:08:33Z)
• Enhancing Generalizability of Representation Learning for Data-Efficient 3D Scene Understanding [50.448520056844885]
  本研究では,実世界のパターンを持つ多様な合成シーンを生成可能なベイズネットワークを提案する。 一連の実験は、既存の最先端の事前学習手法に比べて、我々の手法が一貫した優位性を示す。
  論文  参考訳（メタデータ） (2024-06-17T07:43:53Z)
• Gaussian Splatting: 3D Reconstruction and Novel View Synthesis, a Review [0.08823202672546056]
  本稿では,新鮮で見えない視点の創出を含む3次元再構成技術について概説する。 ガウススティング法における最近の展開の概要として,入力型,モデル構造,出力表現,トレーニング戦略について概説する。
  論文  参考訳（メタデータ） (2024-05-06T12:32:38Z)
• HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for Autonomous Driving [95.42203932627102]
  3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。 提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。 具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
  論文  参考訳（メタデータ） (2022-12-15T11:15:14Z)
• 3D Object Detection for Autonomous Driving: A Comprehensive Survey [48.30753402458884]
  自動運転車の近くで重要な3Dオブジェクトの位置、サイズ、カテゴリをインテリジェントに予測する3Dオブジェクト検出は、認識システムの重要な部分である。 本稿では,自律運転における3次元物体検出技術の進歩を概観する。
  論文  参考訳（メタデータ） (2022-06-19T19:43:11Z)
• Self Context and Shape Prior for Sensorless Freehand 3D Ultrasound Reconstruction [61.62191904755521]
  3DフリーハンドUSは、幅広い範囲とフリーフォームスキャンを提供することで、この問題に対処することを約束している。 既存のディープラーニングベースの手法は、スキルシーケンスの基本ケースのみに焦点を当てている。 複雑なスキルシーケンスを考慮したセンサレスフリーハンドUS再構成手法を提案する。
  論文  参考訳（メタデータ） (2021-07-31T16:06:50Z)
• Active 3D Shape Reconstruction from Vision and Touch [66.08432412497443]
  人間は、視覚と触覚を共同で利用して、活発な物体探索を通じて世界の3D理解を構築する。 3次元形状の再構成では、最新の進歩はRGB画像、深度マップ、触覚読影などの限られた感覚データの静的データセットに依存している。 1)高空間分解能視覚に基づく触覚センサを応用した3次元物体のアクティブタッチに活用した触覚シミュレータ,2)触覚やビジュオクティビティルを先導するメッシュベースの3次元形状再構成モデル,3)触覚やビジュオのいずれかを用いたデータ駆動型ソリューションのセットからなるシステムを導入する。
  論文  参考訳（メタデータ） (2021-07-20T15:56:52Z)
• Deep Learning for Multi-View Stereo via Plane Sweep: A Survey [0.0]
  自動運転、ロボティクス、バーチャルリアリティーなど、多くの分野に応用されているため、近年3D再構築が注目を集めている。 人工知能における支配的な技術として、ディープラーニングは様々なコンピュータビジョン問題を解決するためにうまく採用されている。 本稿では,画像に基づく3次元再構成において重要な課題である多視点ステレオ(MVS)の深層学習手法の最近の進歩を概観する。
  論文  参考訳（メタデータ） (2021-06-18T14:10:44Z)
• On the generalization of learning-based 3D reconstruction [10.516860541554632]
  学習に基づく3次元再構成手法の一般化に影響を及ぼすモデルアーキテクチャで符号化された帰納バイアスについて検討する。 3つの帰納バイアスは,エンコーダの空間的範囲,シーンの基本的な形状を用いて点特徴を記述し,複数のビューから情報を集約する機構,といった性能に影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2020-06-27T18:53:41Z)

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。