論文の概要: SIMSplat: Predictive Driving Scene Editing with Language-aligned 4D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2510.02469v1
• Date: Thu, 02 Oct 2025 18:22:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.122825
• Title: SIMSplat: Predictive Driving Scene Editing with Language-aligned 4D Gaussian Splatting
• Title（参考訳）: SIMSplat:言語対応の4Dガウス版による予測駆動シーン編集
• Authors: Sung-Yeon Park, Adam Lee, Juanwu Lu, Can Cui, Luyang Jiang, Rohit Gupta, Kyungtae Han, Ahmadreza Moradipari, Ziran Wang,
• Abstract要約: SIMSplatは言語対応のガウススプラッティングを備えた予測駆動シーンエディタである。 言語制御エディタとして、SIMSplatは自然言語プロンプトを使った直感的な操作を可能にする。 提案手法では,新たなオブジェクトの追加や,車両と歩行者の軌跡の変更など,詳細なオブジェクトレベルの編集を行う。
• 参考スコア（独自算出の注目度）: 11.176642816523824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Driving scene manipulation with sensor data is emerging as a promising alternative to traditional virtual driving simulators. However, existing frameworks struggle to generate realistic scenarios efficiently due to limited editing capabilities. To address these challenges, we present SIMSplat, a predictive driving scene editor with language-aligned Gaussian splatting. As a language-controlled editor, SIMSplat enables intuitive manipulation using natural language prompts. By aligning language with Gaussian-reconstructed scenes, it further supports direct querying of road objects, allowing precise and flexible editing. Our method provides detailed object-level editing, including adding new objects and modifying the trajectories of both vehicles and pedestrians, while also incorporating predictive path refinement through multi-agent motion prediction to generate realistic interactions among all agents in the scene. Experiments on the Waymo dataset demonstrate SIMSplat's extensive editing capabilities and adaptability across a wide range of scenarios. Project page: https://sungyeonparkk.github.io/simsplat/
• Abstract（参考訳）: センサデータによるシーン操作は、従来の仮想運転シミュレータに代わる有望な代替手段として浮上している。 しかし、既存のフレームワークは編集機能に制限があるため、現実的なシナリオを効率的に生成するのに苦労している。 これらの課題に対処するために,言語対応のガウススプラッティングを備えた予測駆動シーンエディタであるSIMSplatを提案する。 言語制御エディタとして、SIMSplatは自然言語プロンプトを使った直感的な操作を可能にする。 言語をガウスで再構成されたシーンと整合させることで、道路オブジェクトの直接クエリをサポートし、正確で柔軟な編集を可能にする。 提案手法では,車と歩行者の両方の軌跡の修正や,マルチエージェント動作予測による予測経路の洗練,シーン内のすべてのエージェント間の現実的な相互作用の生成など,オブジェクトレベルの詳細な編集を行う。 Waymoデータセットの実験では、SIMSplatの広範な編集機能と、幅広いシナリオにおける適応性が実証されている。 プロジェクトページ:https://sungyeonparkk.github.io/simsplat/

関連論文リスト

• DrivingGaussian++: Towards Realistic Reconstruction and Editable Simulation for Surrounding Dynamic Driving Scenes [49.23098808629567]
  DrivingGaussian++は、自律運転シーンをリアルに再構成し、制御可能な編集を行うための効率的なフレームワークである。 テクスチャ修正、天気予報、オブジェクト操作など、ダイナミックな運転シーンのためのトレーニング不要のコントロール可能な編集をサポートする。 提案手法は,動的物体の運動軌跡を自動的に生成し,最適化過程における現実性を高める。
  論文  参考訳（メタデータ） (2025-08-28T16:22:54Z)
• Editable Scene Simulation for Autonomous Driving via Collaborative LLM-Agents [49.11254369459406]
  ChatSimは、編集可能な3Dドライビングシーンシミュレーションを、外部デジタル資産を持つ自然言語コマンドで実現した最初のシステムである。 ChatSimは、フォトリアリスティックな結果を生成するために、新しいマルチカメラニューラルフィールド法を採用している。
  論文  参考訳（メタデータ） (2024-02-08T15:26:28Z)
• Towards Optimal Strategies for Training Self-Driving Perception Models in Simulation [98.51313127382937]
  合成ドメインのみにおけるラベルの使用に焦点を当てる。 提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。 マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
  論文  参考訳（メタデータ） (2021-11-15T18:37:43Z)
• DriveGAN: Towards a Controllable High-Quality Neural Simulation [147.6822288981004]
  DriveGANと呼ばれる新しい高品質のニューラルシミュレータを紹介します。 DriveGANは、異なるコンポーネントを監督なしで切り離すことによって制御性を達成する。 実世界の運転データ160時間を含む複数のデータセットでdriveganをトレーニングします。
  論文  参考訳（メタデータ） (2021-04-30T15:30:05Z)

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。