論文の概要: Semantic Temporal Single-photon LiDAR

• arxiv url: http://arxiv.org/abs/2512.06008v1
• Date: Wed, 03 Dec 2025 02:24:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.144122
• Title: Semantic Temporal Single-photon LiDAR
• Title（参考訳）: セマンティックテンポラル単一光子LiDAR
• Authors: Fang Li, Tonglin Mu, Shuling Li, Junran Guo, Keyuan Li, Jianing Li, Ziyang Luo, Xiaodong Fan, Ye Chen, Yunfeng Liu, Hong Cai, Lip Ket Chin, Jinbei Zhang, Shihai Sun,
• Abstract要約: 自己更新型意味知識ベース(SKB)に基づく意味的TSP-LiDARを提案する。 提案手法は従来の手法,特に低SNRと限られた取得時間の厳しい条件下での手法を超越している。 実際、実際の実験では9種類の未知のターゲットに対して89%の認識精度が達成されている。
• 参考スコア（独自算出の注目度）: 32.371874925443336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Temporal single-photon (TSP-) LiDAR presents a promising solution for imaging-free target recognition over long distances with reduced size, cost, and power consumption. However, existing TSP-LiDAR approaches are ineffective in handling open-set scenarios where unknown targets emerge, and they suffer significant performance degradation under low signal-to-noise ratio (SNR) and short acquisition times (fewer photons). Here, inspired by semantic communication, we propose a semantic TSP-LiDAR based on a self-updating semantic knowledge base (SKB), in which the target recognition processing of TSP-LiDAR is formulated as a semantic communication. The results, both simulation and experiment, demonstrate that our approach surpasses conventional methods, particularly under challenging conditions of low SNR and limited acquisition time. More importantly, our self-updating SKB mechanism can dynamically update the semantic features of newly encountered targets in the SKB, enabling continuous adaptation without the need for extensive retraining of the neural network. In fact, a recognition accuracy of 89% is achieved on nine types of unknown targets in real-world experiments, compared to 66% without the updating mechanism. These findings highlight the potential of our framework for adaptive and robust target recognition in complex and dynamic environments.
• Abstract（参考訳）: 時間的単一光子 (TSP-) LiDAR は, 小型化, 低コスト化, 消費電力化を図りながら, 遠距離で画像のない目標認識を実現する, 有望なソリューションを提供する。 しかし、既存のTSP-LiDARアプローチは、未知のターゲットが出現するオープンセットシナリオの処理には効果がなく、低信号-雑音比(SNR)と短い取得時間(少ない光子)で著しく性能劣化する。 そこで本研究では,TSP-LiDARの目標認識処理を意味コミュニケーションとして定式化する自己更新意味知識ベース(SKB)に基づく意味的TSP-LiDARを提案する。 シミュレーションおよび実験により,本手法は従来の手法,特に低SNRおよび限られた取得時間条件下で,従来の手法を超越した結果が得られた。 さらに重要なことは、我々の自己更新型SKBメカニズムは、SKBで新たに遭遇したターゲットのセマンティックな特徴を動的に更新し、ニューラルネットワークの広範な再トレーニングを必要とせずに継続的な適応を可能にします。 実際、実際の実験では9種類の未知のターゲットに対して89%の認識精度が達成されている。 これらの知見は, 複雑・動的環境における適応的・堅牢な目標認識のためのフレームワークの可能性を明らかにするものである。

関連論文リスト

• Spatiotemporal Attention Learning Framework for Event-Driven Object Recognition [1.0445957451908694]
  イベントベースの視覚センサは、位置、極性、情報を含むスパースイベントストリームとして、局所ピクセルレベルの強度変化をキャプチャする。 本稿では、CBAM(Contemporalal Block Attention Module)により強化されたVARGGネットワークを利用した、イベントベースのオブジェクト認識のための新しい学習フレームワークを提案する。 提案手法は,従来のVGGモデルと比較してパラメータ数を2.3%削減しつつ,最先端のResNet手法に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2025-04-01T02:37:54Z)
• Mastering Continual Reinforcement Learning through Fine-Grained Sparse Network Allocation and Dormant Neuron Exploration [28.75006029656076]
  本稿では,細粒度配置戦略により塑性を向上させる新しい構造ベースアプローチであるSSDEを紹介する。 SSDEは、パラメータ空間をフォワードトランスファー(フリーズ)パラメータとタスク固有の(トレーニング可能な)パラメータに分解する。 CW10-v1 Continual Worldベンチマークの実験では、SSDEが最先端のパフォーマンスを達成し、95%の成功率に達した。
  論文  参考訳（メタデータ） (2025-03-07T08:58:07Z)
• Spiking Meets Attention: Efficient Remote Sensing Image Super-Resolution with Attention Spiking Neural Networks [86.28783985254431]
  従来の人工ニューラルネットワーク(ANN)の代替手段としてスパイキングニューラルネットワーク(SNN)が登場 本稿では,AID,DOTA,DIORなどのリモートセンシングベンチマークにおいて,最先端の性能を実現するSpikeSRを提案する。
  論文  参考訳（メタデータ） (2025-03-06T09:06:06Z)
• EMWaveNet: Physically Explainable Neural Network Based on Electromagnetic Propagation for SAR Target Recognition [4.251056028888424]
  本研究では,複雑なSAR画像認識のための物理的に説明可能なフレームワークを提案する。 ネットワークアーキテクチャは完全にパラメータ化されており、すべての学習可能なパラメータには明確な物理的意味がある。 提案手法は, 強力な物理決定論理, 高い物理説明性, 堅牢性, および優れた de-aliasing 機能を有する。
  論文  参考訳（メタデータ） (2024-10-13T07:04:49Z)
• Self-STORM: Deep Unrolled Self-Supervised Learning for Super-Resolution Microscopy [55.2480439325792]
  我々は、シーケンス固有のモデルベースのオートエンコーダをトレーニングすることで、そのようなデータの必要性を軽減する、深層無学習の自己教師付き学習を導入する。 提案手法は, 監視対象の性能を超過する。
  論文  参考訳（メタデータ） (2024-03-25T17:40:32Z)
• Neural Architecture Search for Efficient Uncalibrated Deep Photometric Stereo [105.05232615226602]
  差別化可能なニューラルアーキテクチャサーチ(NAS)戦略を利用して、非校正型PSアーキテクチャを自動的に見つける。 DiLiGenTデータセットの実験では、自動検索されたニューラルネットワークのパフォーマンスが、最先端の未校正PSメソッドと好適に比較されている。
  論文  参考訳（メタデータ） (2021-10-11T21:22:17Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

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。