論文の概要: ExtraGS: Geometric-Aware Trajectory Extrapolation with Uncertainty-Guided Generative Priors

• arxiv url: http://arxiv.org/abs/2508.15529v2
• Date: Sat, 23 Aug 2025 17:53:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 12:26:22.571142
• Title: ExtraGS: Geometric-Aware Trajectory Extrapolation with Uncertainty-Guided Generative Priors
• Title（参考訳）: ExGS:不確実性誘導前駆体を用いた幾何学的軌道外挿法
• Authors: Kaiyuan Tan, Yingying Shen, Haohui Zhu, Zhiwei Zhan, Shan Zhao, Mingfei Tu, Hongcheng Luo, Haiyang Sun, Bing Wang, Guang Chen, Hangjun Ye,
• Abstract要約: エクストラGSは、幾何学的および生成的事前の両方を統合する軌道外挿のための全体論的なフレームワークである。 その結果,ExtraGSは外挿されたビューのリアリズムと幾何的整合性を著しく向上する一方で,元の軌道に沿って高い忠実さを保っていることがわかった。
• 参考スコア（独自算出の注目度）: 8.960814123058684
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthesizing extrapolated views from recorded driving logs is critical for simulating driving scenes for autonomous driving vehicles, yet it remains a challenging task. Recent methods leverage generative priors as pseudo ground truth, but often lead to poor geometric consistency and over-smoothed renderings. To address these limitations, we propose ExtraGS, a holistic framework for trajectory extrapolation that integrates both geometric and generative priors. At the core of ExtraGS is a novel Road Surface Gaussian(RSG) representation based on a hybrid Gaussian-Signed Distance Function (SDF) design, and Far Field Gaussians (FFG) that use learnable scaling factors to efficiently handle distant objects. Furthermore, we develop a self-supervised uncertainty estimation framework based on spherical harmonics that enables selective integration of generative priors only where extrapolation artifacts occur. Extensive experiments on multiple datasets, diverse multi-camera setups, and various generative priors demonstrate that ExtraGS significantly enhances the realism and geometric consistency of extrapolated views, while preserving high fidelity along the original trajectory.
• Abstract（参考訳）: 記録された運転記録から外挿されたビューを合成することは、自動運転車の運転シーンをシミュレートする上で非常に重要だが、それでも難しい課題だ。 近年の手法では、生成先行を擬似基底真理として活用しているが、幾何学的整合性や過度に平滑なレンダリングに繋がることが多い。 これらの制約に対処するために,幾何的および生成的事前を統合した軌道外挿のための総合的枠組みであるExtraGSを提案する。 ExtraGSのコアには、ハイブリッドガウス符号距離関数(SDF)設計に基づく新しいロードサーフェスガウス(RSG)表現があり、Far Field Gaussian(FFG)は学習可能なスケーリング要素を使用して、遠方のオブジェクトを効率的に処理する。 さらに、球面調和に基づく自己監督型不確実性推定フレームワークを開発し、外挿アーティファクトが発生した場合にのみ、生成前の選択的な統合を可能にする。 複数のデータセット、多様なマルチカメラのセットアップ、様々な生成前の実験により、ExtraGSは外挿されたビューのリアリズムと幾何学的一貫性を著しく向上し、元の軌道に沿って高い忠実さを保っていることが示された。

関連論文リスト

• PriorFusion: Unified Integration of Priors for Robust Road Perception in Autonomous Driving [12.699352594544166]
  道路要素認識を高めるために,意味的,幾何学的,生成的事前情報を統合した統合フレームワークであるPresideFusionを提案する。 本手法は,特に課題条件下での認識精度を著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-07-31T07:43:19Z)
• RGE-GS: Reward-Guided Expansive Driving Scene Reconstruction via Diffusion Priors [54.81109375939306]
  RGE-GSは、拡散に基づく生成と報酬誘導ガウス積分を相乗化する新しい拡張的再構築フレームワークである。 本稿では,復元フェーズに先立って一貫したパターンを識別・優先順位付けする報奨ネットワークを提案する。 復元過程において,シーン収束度に応じてガウス最適化の進捗を自動的に調整する学習戦略を考案した。
  論文  参考訳（メタデータ） (2025-06-28T08:02:54Z)
• GS-SDF: LiDAR-Augmented Gaussian Splatting and Neural SDF for Geometrically Consistent Rendering and Reconstruction [12.293953058837653]
  デジタル双生児は、自律運転と具現化された人工知能の開発に基礎を成している。 ニューラルサインされた距離場とガウススプラッティングを相乗化する統合LiDAR視覚システムを提案する。 実験では、様々な軌道にまたがる再現精度とレンダリング品質が向上した。
  論文  参考訳（メタデータ） (2025-03-13T08:53:38Z)
• EnerVerse: Envisioning Embodied Future Space for Robotics Manipulation [55.26713167507132]
  本稿では,エンボディ空間の構築と解釈を行う生成ロボティクス基礎モデルを提案する。 EnerVerseは、自己回帰的ビデオ拡散フレームワークを使用して、命令から将来のエンボディドスペースを予測する。 本稿では,生成モデルと4次元ガウススプラッティングを組み合わせたデータエンジンパイプラインであるEnerVerse-Dについて述べる。
  論文  参考訳（メタデータ） (2025-01-03T17:00:33Z)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [84.07233691641193]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• 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)
• Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
  我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。 本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
  論文  参考訳（メタデータ） (2024-06-12T14:56:56Z)
• STGlow: A Flow-based Generative Framework with Dual Graphormer for Pedestrian Trajectory Prediction [22.553356096143734]
  歩行者軌跡予測(STGlow)のための二重グラフマーを用いた新しい生成フローベースフレームワークを提案する。 本手法は,動作の正確なログライクな振る舞いを最適化することにより,基礎となるデータ分布をより正確にモデル化することができる。 いくつかのベンチマークによる実験結果から,本手法は従来の最先端手法に比べて性能が向上することが示された。
  論文  参考訳（メタデータ） (2022-11-21T07:29:24Z)

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。