論文の概要: MagicRoad: Semantic-Aware 3D Road Surface Reconstruction via Obstacle Inpainting
- arxiv url: http://arxiv.org/abs/2507.23340v1
- Date: Thu, 31 Jul 2025 08:38:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-01 17:19:09.322855
- Title: MagicRoad: Semantic-Aware 3D Road Surface Reconstruction via Obstacle Inpainting
- Title(参考訳): MagicRoad: 障害物塗装による3D道路表面のセマンティックな再構築
- Authors: Xingyue Peng, Yuandong Lyu, Lang Zhang, Jian Zhu, Songtao Wang, Jiaxin Deng, Songxin Lu, Weiliang Ma, Dangen She, Peng Jia, XianPeng Lang,
- Abstract要約: 道路面の再構築は, 複雑な都市環境下での自動車走行, 精度の高い車線知覚, 高精細地図作成に不可欠である。
本研究では,2次元ガウス波とセマンティック誘導色強調を統合し,クリーンで一貫した路面を復元する頑健な再構成フレームワークを提案する。
- 参考スコア(独自算出の注目度): 4.090597563540577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Road surface reconstruction is essential for autonomous driving, supporting centimeter-accurate lane perception and high-definition mapping in complex urban environments.While recent methods based on mesh rendering or 3D Gaussian splatting (3DGS) achieve promising results under clean and static conditions, they remain vulnerable to occlusions from dynamic agents, visual clutter from static obstacles, and appearance degradation caused by lighting and weather changes. We present a robust reconstruction framework that integrates occlusion-aware 2D Gaussian surfels with semantic-guided color enhancement to recover clean, consistent road surfaces. Our method leverages a planar-adapted Gaussian representation for efficient large-scale modeling, employs segmentation-guided video inpainting to remove both dynamic and static foreground objects, and enhances color coherence via semantic-aware correction in HSV space. Extensive experiments on urban-scale datasets demonstrate that our framework produces visually coherent and geometrically faithful reconstructions, significantly outperforming prior methods under real-world conditions.
- Abstract(参考訳): 近年のメッシュレンダリング法や3次元ガウススプラッティング法(3DGS)による道路面の再構築は, 道路面の自律走行には不可欠であるが, 動的エージェントの閉塞, 静的障害物からの視覚的乱れ, 照明や気象変化による外観劣化に弱いままである。
本報告では,オクルージョンを意識した2次元ガウス波とセマンティック誘導色強調を統合し,クリーンで一貫した路面を復元するロバストな再構成フレームワークを提案する。
提案手法は,平面適応型ガウス表現を高速な大規模モデリングに利用し,動的および静的な前景オブジェクトの両方を取り除き,HSV空間のセマンティック・アウェア補正により色コヒーレンスを向上させる。
都市規模データセットに対する大規模な実験により、我々のフレームワークは視覚的コヒーレントで幾何学的に忠実な再構築を実現し、実際の環境下での先行手法よりも大幅に優れていた。
関連論文リスト
- 3D Gaussian Splatting against Moving Objects for High-Fidelity Street Scene Reconstruction [1.2603104712715607]
本稿では,ダイナミックストリートシーン再構築のための新しい3次元ガウス点分布法を提案する。
提案手法では,高忠実度な静的シーンを保存しながらオブジェクトの移動を除去する。
実験により, 大規模動的環境における再現性の向上, レンダリング性能の向上, 適応性の向上が示された。
論文 参考訳(メタデータ) (2025-03-15T05:41:59Z) - DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。
複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
論文 参考訳(メタデータ) (2024-11-18T05:49:16Z) - SMORE: Simultaneous Map and Object REconstruction [66.66729715211642]
本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。
我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
論文 参考訳(メタデータ) (2024-06-19T23:53:31Z)
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。