論文の概要: BikeScenes: Online LiDAR Semantic Segmentation for Bicycles

• arxiv url: http://arxiv.org/abs/2510.25901v1
• Date: Wed, 29 Oct 2025 19:07:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.545079
• Title: BikeScenes: Online LiDAR Semantic Segmentation for Bicycles
• Title（参考訳）: BikeScenes: オンラインLiDARセマンティックセグメンテーション
• Authors: Denniz Goren, Holger Caesar,
• Abstract要約: 自転車の脆弱性は、より高速な電動自転車の普及によって悪化し、自転車の安全のために自動車の認識技術に適応する動機となっている。 我々は、自転車に適した3DLiDARセグメンテーション手法を開発し評価するために、マルチセンサー「センスベイク」研究プラットフォームを使用します。 自動車と自転車のドメインギャップを埋めるために、新しいBikeScenes-lidarsegデータセットを紹介します。
• 参考スコア（独自算出の注目度）: 11.442576775766929
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The vulnerability of cyclists, exacerbated by the rising popularity of faster e-bikes, motivates adapting automotive perception technologies for bicycle safety. We use our multi-sensor 'SenseBike' research platform to develop and evaluate a 3D LiDAR segmentation approach tailored to bicycles. To bridge the automotive-to-bicycle domain gap, we introduce the novel BikeScenes-lidarseg Dataset, comprising 3021 consecutive LiDAR scans around the university campus of the TU Delft, semantically annotated for 29 dynamic and static classes. By evaluating model performance, we demonstrate that fine-tuning on our BikeScenes dataset achieves a mean Intersection-over-Union (mIoU) of 63.6%, significantly outperforming the 13.8% obtained with SemanticKITTI pre-training alone. This result underscores the necessity and effectiveness of domain-specific training. We highlight key challenges specific to bicycle-mounted, hardware-constrained perception systems and contribute the BikeScenes dataset as a resource for advancing research in cyclist-centric LiDAR segmentation.
• Abstract（参考訳）: 自転車の脆弱性は、より高速な電動自転車の普及によって悪化し、自転車の安全のために自動車の認識技術に適応する動機となっている。 我々は、自転車に適した3DLiDARセグメンテーション手法を開発し評価するために、マルチセンサー「センスベイク」研究プラットフォームを使用します。 自動車と自転車のドメインギャップを埋めるために, TU Delftの大学キャンパス周辺で3021回のLiDARスキャンを行い, 29の動的および静的なクラスに意味的アノテーションを付加した新しいBikeScenes-lidarsegデータセットを紹介した。 モデル性能を評価することにより,BikeScenesデータセットの微調整により,63.6%のIntersection-over-Union(mIoU)が達成され,SemanticKITTI単独で得られた13.8%を上回った。 この結果は、ドメイン固有のトレーニングの必要性と有効性を強調している。 自転車に搭載された、ハードウェアに制約のある知覚システムに特有の重要な課題を強調し、自転車中心のLiDARセグメンテーションの研究を進めるためのリソースとして、BikeScenesデータセットに貢献する。

関連論文リスト

• INSPIRE-GNN: Intelligent Sensor Placement to Improve Sparse Bicycling Network Prediction via Reinforcement Learning Boosted Graph Neural Networks [51.76364085699241]
  INSPIRE-GNNは、センサ配置を最適化し、データスパース環境でのリンクレベルの自転車体積推定を改善するために設計された、新しい強化学習型ハイブリッドグラフニューラルネットワーク(GNN)フレームワークである。 我々のフレームワークは,Mean Squared Error(MSE),Root Mean Squared Error(RMSE),Mean Absolute Error(MAE)など,従来のセンサ配置法よりも優れていた。 InSPIRE-GNNの自転車容積推定性能における標準機械学習モデルとディープラーニングモデルとのベンチマークを行い,その有効性を実証した。
  論文  参考訳（メタデータ） (2025-07-31T20:00:35Z)
• Objective Bicycle Occlusion Level Classification using a Deformable Parts-Based Model [1.565361244756411]
  道路安全は、特に最も脆弱な道路利用者であるサイクリストにとって重要な課題である。 本研究は,高度なコンピュータビジョン技術を用いた自転車閉塞レベル分類のための新しいベンチマークを提案し,道路安全を向上させることを目的とする。
  論文  参考訳（メタデータ） (2025-05-21T10:42:41Z)
• 3DArticCyclists: Generating Synthetic Articulated 8D Pose-Controllable Cyclist Data for Computer Vision Applications [10.047701675476986]
  本稿では,異なるタスクのトレーニングデータを生成するために使用できる,合成動的3Dサイクリストデータアセットを生成するフレームワークを提案する。 我々は、選択可能な合成3D人物を再配置することにより、完全な合成3Dサイクリスト(自転車をペダリングするライダー)を構築する。 近年の拡散法と比べ,定性的かつ定量的な結果が得られた。
  論文  参考訳（メタデータ） (2024-10-14T17:50:47Z)
• Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
  本稿では,リンクレベルの自転車の体積をモデル化するためにGCNアーキテクチャを利用する最初の研究について述べる。 線形回帰、サポートベクターマシン、ランダムフォレストといった従来の機械学習モデルと比較した。 以上の結果から,GCNモデルは,年間平均自転車数(AADB)を予測する上で,従来のモデルよりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-10-11T04:53:18Z)
• AutoLTS: Automating Cycling Stress Assessment via Contrastive Learning and Spatial Post-processing [4.599618895656792]
  本研究では,高精度で高速かつ大規模なサイクリングストレスアセスメントを支援するためのディープラーニングフレームワークを提案する。 筆者らのフレームワークは, サイクリングストレスラベル間の順序関係を利用したコントラスト学習手法と, 予測に空間的滑らかさを強制するポストプロセッシング手法を特徴とする。
  論文  参考訳（メタデータ） (2023-08-15T05:51:25Z)
• Monocular Cyclist Detection with Convolutional Neural Networks [0.0]
  本研究は,盲点に対する運転者の注意不足に起因する車両と自転車の衝突回数を減らすことを目的としている。 我々は、物体検出畳み込みニューラルネットワークを用いてサイクリストを検出できる最先端のリアルタイム単眼サイクリスト検出を設計した。 このサイクリスト検出装置は、サイクリストを正確にかつ迅速に検出し、サイクリストの安全性を大幅に向上させる可能性があると結論付けている。
  論文  参考訳（メタデータ） (2023-01-16T13:54:13Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems using Multi-objective Reinforcement Learning [79.61517670541863]
  ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用 DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T03:09:51Z)
• Self-supervised Object Tracking with Cycle-consistent Siamese Networks [55.040249900677225]
  我々は、オブジェクト追跡のためのサイクル一貫性の自己監視フレームワークにおいて、エンドツーエンドのSiameseネットワークを利用する。 トラッキングフレームワークにシームズ領域の提案とマスク回帰ネットワークを統合することで,各フレームのアノテーションを使わずに,より高速で正確なトラッカーを学習できるようにすることを提案する。
  論文  参考訳（メタデータ） (2020-08-03T04:10:38Z)

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。