論文の概要: SPAN: Spatial-Projection Alignment for Monocular 3D Object Detection

• arxiv url: http://arxiv.org/abs/2511.06702v1
• Date: Mon, 10 Nov 2025 04:48:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.078845
• Title: SPAN: Spatial-Projection Alignment for Monocular 3D Object Detection
• Title（参考訳）: SPAN:モノクロ3次元物体検出のための空間投影アライメント
• Authors: Yifan Wang, Yian Zhao, Fanqi Pu, Xiaochen Yang, Yang Tang, Xi Chen, Wenming Yang,
• Abstract要約: 既存の単分子3D検出器は典型的には、切り離された予測パラダイムを通じて、3D境界ボックスの顕著な非線形回帰をテームする。 本稿では2つの主成分を持つ新しい空間射影アライメント(SPAN)を提案する。 SPANは、予測された3次元境界ボックスと接地した3次元境界ボックスの間に明らかに大域的な空間的制約を課し、それによって非結合な特性回帰による空間的ドリフトを補正する。 3D-2Dプロジェクションアライメントは、投影された3Dボックスが、画像平面上の対応する2D検出バウンディングボックス内に密に整列していることを保証する。
• 参考スコア（独自算出の注目度）: 49.12928389918159
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing monocular 3D detectors typically tame the pronounced nonlinear regression of 3D bounding box through decoupled prediction paradigm, which employs multiple branches to estimate geometric center, depth, dimensions, and rotation angle separately. Although this decoupling strategy simplifies the learning process, it inherently ignores the geometric collaborative constraints between different attributes, resulting in the lack of geometric consistency prior, thereby leading to suboptimal performance. To address this issue, we propose novel Spatial-Projection Alignment (SPAN) with two pivotal components: (i). Spatial Point Alignment enforces an explicit global spatial constraint between the predicted and ground-truth 3D bounding boxes, thereby rectifying spatial drift caused by decoupled attribute regression. (ii). 3D-2D Projection Alignment ensures that the projected 3D box is aligned tightly within its corresponding 2D detection bounding box on the image plane, mitigating projection misalignment overlooked in previous works. To ensure training stability, we further introduce a Hierarchical Task Learning strategy that progressively incorporates spatial-projection alignment as 3D attribute predictions refine, preventing early stage error propagation across attributes. Extensive experiments demonstrate that the proposed method can be easily integrated into any established monocular 3D detector and delivers significant performance improvements.
• Abstract（参考訳）: 既存の単分子3D検出器は、通常、3次元境界箱の顕著な非線形回帰をデカップリング予測パラダイムによって再現し、幾何中心、深さ、寸法、回転角を別々に推定するために複数の枝を用いる。 この分離戦略は学習過程を単純化するが、異なる属性間の幾何学的協調的制約を本質的に無視し、幾何学的整合性の欠如を招き、最適以下の性能をもたらす。 この問題に対処するため、我々は2つの重要な要素を持つ新しい空間射影アライメント(SPAN)を提案する。 (i) 空間点アライメントは、予測された3D境界ボックスと接地した3D境界ボックスの間に明らかにグローバルな空間的制約を課し、分離された属性の回帰によって引き起こされる空間的ドリフトを是正する。 (II)。 3D-2Dプロジェクションアライメントは、投影された3Dボックスが、画像平面上の対応する2D検出バウンディングボックス内に密に整列していることを保証する。 トレーニングの安定性を確保するために,空間投影アライメントを3次元属性予測の洗練として段階的に組み込んだ階層型タスク学習戦略を導入する。 広汎な実験により,提案手法は確立された任意の単分子3次元検出器に容易に統合でき,大幅な性能向上が得られた。

関連論文リスト

• RQR3D: Reparametrizing the regression targets for BEV-based 3D object detection [0.4604003661048266]
  Bird's-eye view (BEV)ベースの知覚アプローチは、パースペクティブベースのソリューションの優れた代替手段として現れている。 本稿では,3次元回帰目標を定義するために,制限付き四辺形表現を提案する。 RQR3Dは、2つのボックスの隅の間にあるオフセットとともに、指向するボックスをカプセル化する最小の水平境界ボックスを回帰する。
  論文  参考訳（メタデータ） (2025-05-23T10:52:34Z)
• NDC-Scene: Boost Monocular 3D Semantic Scene Completion in Normalized Device Coordinates Space [77.6067460464962]
  SSC(Monocular 3D Semantic Scene Completion)は、単一の画像から複雑なセマンティックスや幾何学的形状を予測し、3D入力を必要としないため、近年大きな注目を集めている。 我々は,3次元空間に投影された2次元特徴の特徴的曖昧さ,3次元畳み込みのPose Ambiguity,深さの異なる3次元畳み込みにおける不均衡など,現在の最先端手法におけるいくつかの重要な問題を明らかにする。 シーン補完ネットワーク(NDC-Scene)を考案し,2を直接拡張する。
  論文  参考訳（メタデータ） (2023-09-26T02:09:52Z)
• OriCon3D: Effective 3D Object Detection using Orientation and Confidence [0.0]
  1つの画像から3次元物体を検出するための高度な手法を提案する。 我々は、深層畳み込みニューラルネットワークに基づく3Dオブジェクト重み付け指向回帰パラダイムを用いる。 提案手法は, 3次元オブジェクトのポーズ決定の精度を大幅に向上し, ベースライン法を超越した。
  論文  参考訳（メタデータ） (2023-04-27T19:52:47Z)
• OPA-3D: Occlusion-Aware Pixel-Wise Aggregation for Monocular 3D Object Detection [51.153003057515754]
  OPA-3Dは、Occlusion-Aware Pixel-Wise Aggregationネットワークである。 密集した風景深度と、奥行きのある箱残量と物の境界箱を共同で推定する。 メインカーのカテゴリーでは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-02T14:19:13Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• MonoRUn: Monocular 3D Object Detection by Reconstruction and Uncertainty Propagation [4.202461384355329]
  我々は,高密度な対応や幾何学を自己教師型で学習する,新しい3次元オブジェクト検出フレームワークMonoRUnを提案する。 提案手法は,KITTIベンチマークの最先端手法より優れている。
  論文  参考訳（メタデータ） (2021-03-23T15:03:08Z)
• Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
  モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。 従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。 我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。 これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
  論文  参考訳（メタデータ） (2020-08-31T17:10:48Z)

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。