論文の概要: Unsupervised Monocular Road Segmentation for Autonomous Driving via Scene Geometry

• arxiv url: http://arxiv.org/abs/2510.16790v1
• Date: Sun, 19 Oct 2025 10:59:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.14742
• Title: Unsupervised Monocular Road Segmentation for Autonomous Driving via Scene Geometry
• Title（参考訳）: シーン幾何学による自律走行のための教師なし単眼道路分割
• Authors: Sara Hatami Rostami, Behrooz Nasihatkon,
• Abstract要約: 本稿では,二元道路セグメンテーション(道路対非道路)に対する教師なしアプローチを提案する。 この手法はシーン形状と時間的手がかりを利用して道路を非道路地域と区別する。 Cityscapesデータセットでは、IoU(Intersection-over-Union)が0.82で達成され、単純な設計で高精度であることが示されている。
• 参考スコア（独自算出の注目度）: 2.8647133890966994
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents a fully unsupervised approach for binary road segmentation (road vs. non-road), eliminating the reliance on costly manually labeled datasets. The method leverages scene geometry and temporal cues to distinguish road from non-road regions. Weak labels are first generated from geometric priors, marking pixels above the horizon as non-road and a predefined quadrilateral in front of the vehicle as road. In a refinement stage, temporal consistency is enforced by tracking local feature points across frames and penalizing inconsistent label assignments using mutual information maximization. This enhances both precision and temporal stability. On the Cityscapes dataset, the model achieves an Intersection-over-Union (IoU) of 0.82, demonstrating high accuracy with a simple design. These findings demonstrate the potential of combining geometric constraints and temporal consistency for scalable unsupervised road segmentation in autonomous driving.
• Abstract（参考訳）: 本稿では,コストのかかるラベル付きデータセットへの依存を排除し,バイナリ道路分割(道路対非道路)に対する教師なしのアプローチを提案する。 この手法はシーン形状と時間的手がかりを利用して道路を非道路地域と区別する。 弱ラベルは、まず幾何学的先行から生成され、地平線上のピクセルを非道路として、車両の前方の四角形を道路として定義した。 改良段階では、フレーム間の局所的特徴点を追跡し、相互情報最大化を用いて一貫性のないラベル割り当てをペナライズすることにより、時間的整合性を実現する。 これにより、精度と時間的安定性が向上する。 Cityscapesデータセットでは、IoU(Intersection-over-Union)が0.82で達成され、単純な設計で高精度であることが示されている。 これらの結果は、自律運転における拡張性のない道路セグメント化のための幾何学的制約と時間的整合性を組み合わせる可能性を示している。

関連論文リスト

• Road Obstacle Video Segmentation [71.92123495914892]
  連続フレームのセグメンテーションマップは強く相関しているため,道路・障害物のセグメンテーションタスクは本質的に時間的であることを示す。 提案手法は、長距離ビデオシーケンスのための道路障害物ビデオセグメント化における最先端技術を確立している。
  論文  参考訳（メタデータ） (2025-09-16T15:34:43Z)
• InterLoc: LiDAR-based Intersection Localization using Road Segmentation with Automated Evaluation Method [10.561470037080177]
  オンライン車両中心の交差点位置決めのための新しいLiDAR方式を提案する。 我々は,鳥の視線(BEV)表現における交叉候補を,意味的道路スキャンを連結して検出する。 セマンティックKITTITIデータセットの実験から,本手法は最新の学習ベースラインよりも精度と信頼性が優れていることが示された。
  論文  参考訳（メタデータ） (2025-05-01T13:30:28Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
  道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。 本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。 カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
  論文  参考訳（メタデータ） (2024-04-11T10:26:40Z)
• Leveraging Road Area Semantic Segmentation with Auxiliary Steering Task [0.0]
  ステアリングホイール角情報を利用して道路領域のセマンティックセグメンテーションを改善するCNNに基づく手法を提案する。 本稿では,自律運転のための2つの挑戦的データセットに対する提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-12-19T13:25:09Z)
• Unsupervised Foggy Scene Understanding via Self Spatial-Temporal Label Diffusion [51.11295961195151]
  運転シーンの霧画像列の特徴を利用して、自信ある擬似ラベルを密度化する。 局所的な空間的類似性と逐次画像データの隣接時間対応の2つの発見に基づいて,新たなターゲット・ドメイン駆動擬似ラベル拡散方式を提案する。 本手法は,2つの天然霧のデータセット上で51.92%,53.84%の平均交叉結合(mIoU)を達成するのに有効である。
  論文  参考訳（メタデータ） (2022-06-10T05:16:50Z)
• HDGT: Heterogeneous Driving Graph Transformer for Multi-Agent Trajectory Prediction via Scene Encoding [76.9165845362574]
  運転シーンをノードやエッジの異なる異種グラフとしてモデル化するバックボーンを提案する。 空間的関係符号化では、ノードの座標とエッジの座標は局所ノード中心座標系に含まれる。 実験結果から,HDGTは軌道予測のタスクに対して最先端の性能を達成することが示された。
  論文  参考訳（メタデータ） (2022-04-30T07:08:30Z)
• OffRoadTranSeg: Semi-Supervised Segmentation using Transformers on OffRoad environments [0.0]
  OffRoadTranSegは、非構造屋外環境における半教師付きセグメンテーションのための最初のエンドツーエンドフレームワークである。 提案手法はRELLIS-3DおよびRUGDオフロードデータセット上で検証される。
  論文  参考訳（メタデータ） (2021-06-26T08:05:09Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。