論文の概要: DNOI-4DRO: Deep 4D Radar Odometry with Differentiable Neural-Optimization Iterations

• arxiv url: http://arxiv.org/abs/2505.12310v1
• Date: Sun, 18 May 2025 08:50:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.157827
• Title: DNOI-4DRO: Deep 4D Radar Odometry with Differentiable Neural-Optimization Iterations
• Title（参考訳）: DNOI-4DRO:ニューラル・オプティマイズ・イテレーションによる深部4次元レーダーオドメトリー
• Authors: Shouyi Lu, Huanyu Zhou, Guirong Zhuo,
• Abstract要約: 本稿では,DNOI-4DROという,学習最適化と組み合わせた新しい4次元レーダーオドメトリーモデルを提案する。 提案したモデルは、従来の幾何最適化とエンドツーエンドのニューラルネットワークトレーニングをシームレスに統合する。 提案手法は,入力としてLiDAR点雲を用いたマッピング最適化により,A-LOAMに匹敵する結果を得る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A novel learning-optimization-combined 4D radar odometry model, named DNOI-4DRO, is proposed in this paper. The proposed model seamlessly integrates traditional geometric optimization with end-to-end neural network training, leveraging an innovative differentiable neural-optimization iteration operator. In this framework, point-wise motion flow is first estimated using a neural network, followed by the construction of a cost function based on the relationship between point motion and pose in 3D space. The radar pose is then refined using Gauss-Newton updates. Additionally, we design a dual-stream 4D radar backbone that integrates multi-scale geometric features and clustering-based class-aware features to enhance the representation of sparse 4D radar point clouds. Extensive experiments on the VoD and Snail-Radar datasets demonstrate the superior performance of our model, which outperforms recent classical and learning-based approaches. Notably, our method even achieves results comparable to A-LOAM with mapping optimization using LiDAR point clouds as input. Our models and code will be publicly released.
• Abstract（参考訳）: 本稿では,DNOI-4DROという,学習最適化と組み合わせた新しい4次元レーダーオドメトリーモデルを提案する。 提案モデルは、従来の幾何最適化とエンドツーエンドのニューラルネットワークトレーニングをシームレスに統合し、革新的な微分可能なニューラル最適化繰り返し演算子を活用する。 この枠組みでは、まずニューラルネットワークを用いて点運動フローを推定し、次に、点運動と3次元空間におけるポーズの関係に基づくコスト関数を構築する。 レーダーのポーズはガウス・ニュートンの更新によって洗練される。 さらに、マルチスケールな幾何学的特徴とクラスタリングに基づくクラス認識機能を統合し、スパース4Dレーダポイント雲の表現を強化する2重ストリーム4Dレーダバックボーンを設計する。 VoDデータセットとSnail-Radarデータセットの大規模な実験は、我々のモデルの優れた性能を示し、近年の古典的および学習的アプローチよりも優れています。 特に,本手法は,入力としてLiDAR点雲を用いたマッピング最適化により,A-LOAMに匹敵する結果が得られる。 私たちのモデルとコードは公開されます。

関連論文リスト

• Enhancing Steering Estimation with Semantic-Aware GNNs [41.89219383258699]
  ハイブリッドアーキテクチャは、時間的モデリングのための3Dニューラルネットワークモデルとリカレントニューラルネットワーク(RNN)を組み合わせる。 我々は4つのハイブリッド3Dモデルを評価し、いずれも2Dのみのベースラインを上回った。 我々は、KITTIデータセットに対するアプローチを検証し、2Dのみのモデルよりも71%改善した。
  論文  参考訳（メタデータ） (2025-03-21T13:58:08Z)
• Joint Beam Search Integrating CTC, Attention, and Transducer Decoders [53.297697898510194]
  4つのデコーダが同一のエンコーダを共有するような共同モデリング手法を提案する。 4Dモデルは共同で訓練され、モデルの正規化とモデルの堅牢性を最大化する。 さらに,3つのデコーダを組み合わせることで,新しい3つのビーム探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-05T05:18:20Z)
• Gaussian-Flow: 4D Reconstruction with Dynamic 3D Gaussian Particle [9.082693946898733]
  高速な動的シーン再構成と,マルチビューおよびモノクロビデオからのリアルタイムレンダリングのための新しいポイントベースアプローチを提案する。 学習速度の遅さとレンダリング速度によって妨げられるNeRFベースのアプローチとは対照的に,我々はポイントベース3Dガウススプラッティング(3DGS)の最近の進歩を活用している。 提案手法は,フレームごとの3DGSモデリングと比較して,5倍のトレーニング速度を実現し,大幅な効率向上を実現している。
  論文  参考訳（メタデータ） (2023-12-06T11:25:52Z)
• GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
  我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。 提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
  論文  参考訳（メタデータ） (2023-12-04T18:59:55Z)
• Geometry-Informed Neural Operator for Large-Scale 3D PDEs [76.06115572844882]
  大規模偏微分方程式の解演算子を学習するために,幾何インフォームド・ニューラル演算子(GINO)を提案する。 我々はGINOを訓練し、わずか500点のデータポイントで車両表面の圧力を予測することに成功した。
  論文  参考訳（メタデータ） (2023-09-01T16:59:21Z)
• 4DRVO-Net: Deep 4D Radar-Visual Odometry Using Multi-Modal and Multi-Scale Adaptive Fusion [2.911052912709637]
  4次元(4D)レーダー-視覚計測(4DRVO)は4次元レーダーとカメラの補完情報を統合している。 4DRVOは4Dレーダーポイント雲の空隙による追跡誤差が顕著である可能性がある。 本稿では,4次元レーダ・ビジュアル・オドメトリーの手法である4DRVO-Netを提案する。
  論文  参考訳（メタデータ） (2023-08-12T14:00:09Z)
• TetraSphere: A Neural Descriptor for O(3)-Invariant Point Cloud Analysis [19.322295753674844]
  我々は3次元回転と反射、すなわちO(3)作用の下で学習可能な記述子不変量を示す。 本研究では, 3次元球面ニューロンを4次元ベクトルニューロンに埋め込み, モデルのエンドツーエンドトレーニングを活用することを提案する。 以上の結果から,3次元ユークリッド空間で学習する3次元球状ニューロンの実用的価値が明らかとなった。
  論文  参考訳（メタデータ） (2022-11-26T02:15:35Z)
• Learned Vertex Descent: A New Direction for 3D Human Model Fitting [64.04726230507258]
  画像やスキャンに適合する3次元人体モデルのための新しい最適化手法を提案する。 われわれのアプローチは、非常に異なる体型を持つ服を着た人々の基盤となる身体を捉えることができ、最先端技術と比べて大きな改善を達成できる。 LVDはまた、人間と手の3次元モデル適合にも適用でき、よりシンプルで高速な方法でSOTAに大きな改善が示される。
  論文  参考訳（メタデータ） (2022-05-12T17:55:51Z)

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。