論文の概要: XGrid-Mapping: Explicit Implicit Hybrid Grid Submaps for Efficient Incremental Neural LiDAR Mapping

• arxiv url: http://arxiv.org/abs/2512.20976v1
• Date: Wed, 24 Dec 2025 06:08:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-25 19:43:21.697053
• Title: XGrid-Mapping: Explicit Implicit Hybrid Grid Submaps for Efficient Incremental Neural LiDAR Mapping
• Title（参考訳）: XGrid-Mapping: 効率的なインクリメンタルLiDARマッピングのための暗黙のハイブリッドグリッドサブマップ
• Authors: Zeqing Song, Zhongmiao Yan, Junyuan Deng, Songpengcheng Xia, Xiang Mu, Jingyi Xu, Qi Wu, Ling Pei,
• Abstract要約: ニューラルネットワークのLiDARマッピングのために,明示的かつ暗黙的な表現を利用するハイブリッドグリッドフレームワークを提案する。 VDB構造とサブマップベースの組織を結合することにより、このフレームワークは計算負荷を低減する。 提案手法は,ボクセル誘導方式の効率限界を克服しつつ,優れたマッピング品質を実現する。
• 参考スコア（独自算出の注目度）: 25.768483326085956
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale incremental mapping is fundamental to the development of robust and reliable autonomous systems, as it underpins incremental environmental understanding with sequential inputs for navigation and decision-making. LiDAR is widely used for this purpose due to its accuracy and robustness. Recently, neural LiDAR mapping has shown impressive performance; however, most approaches rely on dense implicit representations and underutilize geometric structure, while existing voxel-guided methods struggle to achieve real-time performance. To address these challenges, we propose XGrid-Mapping, a hybrid grid framework that jointly exploits explicit and implicit representations for efficient neural LiDAR mapping. Specifically, the strategy combines a sparse grid, providing geometric priors and structural guidance, with an implicit dense grid that enriches scene representation. By coupling the VDB structure with a submap-based organization, the framework reduces computational load and enables efficient incremental mapping on a large scale. To mitigate discontinuities across submaps, we introduce a distillation-based overlap alignment strategy, in which preceding submaps supervise subsequent ones to ensure consistency in overlapping regions. To further enhance robustness and sampling efficiency, we incorporate a dynamic removal module. Extensive experiments show that our approach delivers superior mapping quality while overcoming the efficiency limitations of voxel-guided methods, thereby outperforming existing state-of-the-art mapping methods.
• Abstract（参考訳）: 大規模なインクリメンタルマッピングは、ナビゲーションと意思決定のためのシーケンシャルインプットによって、インクリメンタルな環境理解を支えるため、堅牢で信頼性の高い自律システムの開発に不可欠である。 LiDARは、精度と堅牢性のために、この目的のために広く使用されている。 近年、ニューラルLiDARマッピングは目覚ましい性能を示しているが、ほとんどのアプローチは暗黙の表現に頼り、幾何学的構造を弱めているが、既存のボクセル誘導法はリアルタイムな性能を達成するのに苦労している。 これらの課題に対処するため、我々は、効率的なニューラルネットワークLiDARマッピングのために、明示的で暗黙的な表現を共同で活用するハイブリッドグリッドフレームワークであるXGrid-Mappingを提案する。 特に、戦略はスパースグリッドを組み合わせ、幾何学的先行と構造的ガイダンスを提供し、シーン表現を豊かにする暗黙の密集グリッドを提供する。 VDB構造とサブマップベースの組織を結合することにより、このフレームワークは計算負荷を低減し、大規模で効率的なインクリメンタルマッピングを可能にする。 サブマップ間の不連続性を緩和するため, 蒸留に基づくオーバーラップアライメント戦略を導入し, 先行サブマップがその後の部分マップを監督し, 重なり合う領域の整合性を確保する。 強靭性とサンプリング効率をさらに高めるため,動的除去モジュールを組み込んだ。 大規模な実験により,本手法はボクセル誘導方式の効率限界を克服しつつ,優れたマッピング品質を実現し,既存の最先端のマッピング手法よりも優れていることが示された。

関連論文リスト

• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• Towards Transformer-Based Aligned Generation with Self-Coherence Guidance [51.42269790543461]
  トランスフォーマーを用いたテキストガイド拡散モデル(TGDM)におけるアライメント向上のためのトレーニング不要アプローチを提案する。 既存のTGDMは、特に複雑なテキストプロンプトやマルチコンセプト属性バインディングの問題を扱う場合、意味的に整合した画像を生成するのに苦労することが多い。 本手法は,生成過程において,相互注意マップを直接最適化することにより,これらの課題に対処する。
  論文  参考訳（メタデータ） (2025-03-22T07:03:57Z)
• SegLocNet: Multimodal Localization Network for Autonomous Driving via Bird's-Eye-View Segmentation [0.0]
  SegLocNetはセマンティックセグメンテーションを用いて正確なローカライゼーションを実現するマルチモーダルフリーなローカライゼーションネットワークである。 本手法は,都市環境におけるエゴポーズを,一般化に頼ることなく正確に推定することができる。 私たちのコードと事前訓練されたモデルは公開されます。
  論文  参考訳（メタデータ） (2025-02-27T13:34:55Z)
• Bridging Scales in Map Generation: A scale-aware cascaded generative mapping framework for seamless and consistent multi-scale cartographic representation [2.414525855161937]
  マルチスケールタイルマップは地理情報サービスに不可欠であり、測量と地図の基本的な成果となる。 現在のアプローチでは、動的マルチスケール生成と地図一般化原理の不十分な統合とタイルワイズ生成による空間的不連続の2つの根本的な課題に直面している。 本研究では,条件付き誘導拡散とマルチスケールカスケードアーキテクチャを利用するスケール対応地図生成フレームワーク(SCGM)を提案する。
  論文  参考訳（メタデータ） (2025-02-07T15:11:31Z)
• T-GAE: Transferable Graph Autoencoder for Network Alignment [79.89704126746204]
  T-GAEはグラフオートエンコーダフレームワークで、GNNの転送性と安定性を活用して、再トレーニングなしに効率的なネットワークアライメントを実現する。 実験の結果、T-GAEは最先端の最適化手法と最高のGNN手法を最大38.7%、50.8%で上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-10-05T02:58:29Z)
• Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
  画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。 本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。 本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T21:06:13Z)
• Graph-based Algorithm Unfolding for Energy-aware Power Allocation in Wireless Networks [27.600081147252155]
  我々は,無線通信網におけるエネルギー効率を最大化する新しいグラフ要約フレームワークを開発した。 無線ネットワークデータのモデルに望ましい特性である置換訓練について述べる。 結果は、異なるネットワークトポロジにまたがる一般化可能性を示している。
  論文  参考訳（メタデータ） (2022-01-27T20:23:24Z)

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。