論文の概要: SLIM-VDB: A Real-Time 3D Probabilistic Semantic Mapping Framework

• arxiv url: http://arxiv.org/abs/2512.12945v1
• Date: Mon, 15 Dec 2025 03:16:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.518245
• Title: SLIM-VDB: A Real-Time 3D Probabilistic Semantic Mapping Framework
• Title（参考訳）: SLIM-VDB:リアルタイム3D確率論的意味マッピングフレームワーク
• Authors: Anja Sheppard, Parker Ewen, Joey Wilson, Advaith V. Sethuraman, Benard Adewole, Anran Li, Yuzhen Chen, Ram Vasudevan, Katherine A. Skinner,
• Abstract要約: SLIM-VDBは、クローズドセットまたはオープンセット辞書のための確率論的セマンティックフュージョンを備えた、新しい軽量セマンティックマッピングシステムである。 本稿では,OpenVDBデータ構造を利用した新しい3Dセマンティックマッピングシステムを提案する。
• 参考スコア（独自算出の注目度）: 13.516471851840059
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces SLIM-VDB, a new lightweight semantic mapping system with probabilistic semantic fusion for closed-set or open-set dictionaries. Advances in data structures from the computer graphics community, such as OpenVDB, have demonstrated significantly improved computational and memory efficiency in volumetric scene representation. Although OpenVDB has been used for geometric mapping in robotics applications, semantic mapping for scene understanding with OpenVDB remains unexplored. In addition, existing semantic mapping systems lack support for integrating both fixed-category and open-language label predictions within a single framework. In this paper, we propose a novel 3D semantic mapping system that leverages the OpenVDB data structure and integrates a unified Bayesian update framework for both closed- and open-set semantic fusion. Our proposed framework, SLIM-VDB, achieves significant reduction in both memory and integration times compared to current state-of-the-art semantic mapping approaches, while maintaining comparable mapping accuracy. An open-source C++ codebase with a Python interface is available at https://github.com/umfieldrobotics/slim-vdb.
• Abstract（参考訳）: 本稿では,クローズドセットあるいはオープンセット辞書に対する確率論的意味融合を用いた,新しい軽量意味マッピングシステムSLIM-VDBを紹介する。 OpenVDBのようなコンピュータグラフィックスコミュニティによるデータ構造の発展は、ボリュームシーン表現における計算効率とメモリ効率を著しく向上させた。 OpenVDBはロボット応用における幾何学的マッピングに使われてきたが、OpenVDBを用いたシーン理解のためのセマンティックマッピングはまだ探索されていない。 さらに、既存のセマンティックマッピングシステムは、固定カテゴリとオープンラベルのラベル予測の両方を単一のフレームワークに統合するサポートを欠いている。 本稿では,OpenVDBデータ構造を利用した新しい3Dセマンティックマッピングシステムを提案する。 提案するフレームワークであるSLIM-VDBは,現在の最先端セマンティックマッピング手法と比較して,メモリと統合時間の大幅な削減を実現し,マッピング精度は同等である。 Pythonインターフェースを備えたオープンソースのC++コードベースがhttps://github.com/umfieldrobotics/slim-vdbで公開されている。

関連論文リスト

• OpenFusion++: An Open-vocabulary Real-time Scene Understanding System [4.470499157873342]
  TSDFベースのリアルタイム3次元意味幾何学再構築システムであるOpenFusion++を提案する。 提案手法では,基本モデルから信頼マップを抽出し,インスタンス領域に基づいた適応キャッシュを用いてグローバルなセマンティックラベルを動的に更新し,デュアルパス符号化フレームワークを用いて3Dポイントクラウドを改良する。 ICL、Replica、ScanNet、ScanNet++データセットの実験は、OpenFusion++がセマンティック精度とクエリ応答性の両方でベースラインを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2025-04-27T14:46:43Z)
• Bayesian Fields: Task-driven Open-Set Semantic Gaussian Splatting [19.187033477078177]
  オープンセットのセマンティックマッピングでは(i)シーンを表現するために正しい粒度を決定する必要がある。 (II)複数の2次元観察から総合的な3次元再構成へ意味知識を融合させる。 ベイジアン・フィールズ(英: Bayesian Fields)は、オープンセットのセマンティックマッピングのためのタスク駆動の確率論的アプローチである。
  論文  参考訳（メタデータ） (2025-03-07T21:36:30Z)
• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• GenMapping: Unleashing the Potential of Inverse Perspective Mapping for Robust Online HD Map Construction [20.1127163541618]
  我々はGenMappingというユニバーサルマップ生成フレームワークを設計した。 このフレームワークは、主および二重補助枝を含む三進的なシナジーアーキテクチャで構築されている。 実験結果の網羅的な配列から,提案手法はセマンティックマッピングとベクトル化マッピングの両方において最先端の手法を超越し,高速な推論速度を維持した。
  論文  参考訳（メタデータ） (2024-09-13T10:15:28Z)
• fVDB: A Deep-Learning Framework for Sparse, Large-Scale, and High-Performance Spatial Intelligence [55.582429009401956]
  fVDBは、大規模な3Dデータのディープラーニングのための新しいフレームワークである。 私たちのフレームワークは、既存のパイプラインとの相互運用性を可能にするPyTorchと完全に統合されています。
  論文  参考訳（メタデータ） (2024-07-01T20:20:33Z)
• LISNeRF Mapping: LiDAR-based Implicit Mapping via Semantic Neural Fields for Large-Scale 3D Scenes [2.822816116516042]
  大規模セマンティックマッピングは、屋外の自律エージェントが計画やナビゲーションといった高度なタスクを遂行するために不可欠である。 本稿では,提案するLiDAR測度のみでの暗黙的表現による大規模3次元意味再構築手法を提案する。
  論文  参考訳（メタデータ） (2023-11-04T03:55:38Z)
• Open-Fusion: Real-time Open-Vocabulary 3D Mapping and Queryable Scene Representation [13.770613689032503]
  Open-Fusionはリアルタイムオープンな3Dマッピングとクエリ可能なシーン表現のための画期的なアプローチである。 オープンセットのセマンティック理解のために、事前訓練された視覚言語基盤モデル(VLFM)の力を利用する。 追加の3Dトレーニングを必要とせずに、オープン語彙に優れたアノテーションのない3Dセグメンテーションを提供する。
  論文  参考訳（メタデータ） (2023-10-05T21:57:36Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)

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。