論文の概要: On the Feasibility and Opportunity of Autoregressive 3D Object Detection

• arxiv url: http://arxiv.org/abs/2603.07985v1
• Date: Mon, 09 Mar 2026 05:46:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.584331
• Title: On the Feasibility and Opportunity of Autoregressive 3D Object Detection
• Title（参考訳）: 自己回帰型3次元物体検出の可能性と可能性について
• Authors: Zanming Huang, Jinsu Yoo, Sooyoung Jeon, Zhenzhen Liu, Mark Campbell, Kilian Q Weinberger, Bharath Hariharan, Wei-Lun Chao, Katie Z Luo,
• Abstract要約: AutoReg3Dは、検出をシーケンス生成としてキャストする自動回帰型3D検出器である。 さまざまなポイントクラウドやバックボーンに互換性があり、アンカーやNMSなしで、競合するnuScenesのパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 60.86546723351944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LiDAR-based 3D object detectors typically rely on proposal heads with hand-crafted components like anchor assignment and non-maximum suppression (NMS), complicating training and limiting extensibility. We present AutoReg3D, an autoregressive 3D detector that casts detection as sequence generation. Given point-cloud features, AutoReg3D emits objects in a range-causal (near-to-far) order and encodes each object as a short, discrete-token sequence consisting of its center, size, orientation, velocity, and class. This near-to-far ordering mirrors LiDAR geometry--near objects occlude far ones but not vice versa--enabling straightforward teacher forcing during training and autoregressive decoding at test time. AutoReg3D is compatible across diverse point-cloud or backbones and attains competitive nuScenes performance without anchors or NMS. Beyond parity, the sequential formulation unlocks language-model advances for 3D perception, including GRPO-style reinforcement learning for task-aligned objectives. These results position autoregressive decoding as a viable, flexible alternative for LiDAR-based detection and open a path to importing modern sequence-modeling tools into 3D perception.
• Abstract（参考訳）: LiDARベースの3Dオブジェクト検出器は、通常、アンカーの割り当てや非最大抑圧(NMS)といった手作りの部品を持つ提案ヘッドに依存し、訓練を複雑にし、拡張性を制限する。 本稿では,自動回帰型3D検出器であるAutoReg3Dについて述べる。 ポイントクラウドの特徴を与えられたAutoReg3Dは、レンジソーサル(ニア・トゥ・ファール)の順序でオブジェクトを出力し、各オブジェクトをその中心、サイズ、方向、速度、クラスからなる、短くて離散的なシーケンスとしてエンコードする。 この、遠方から遠方へのオーダーミラーは、LiDARの幾何学的形状を損なうが、その逆ではない。 AutoReg3Dはさまざまなポイントクラウドやバックボーンで互換性があり、アンカーやNMSなしで、競合するnuScenesのパフォーマンスを実現する。 連続的な定式化は、言語モデルによる3D知覚の進歩を解放する。 これらの結果から, 自己回帰復号化はLiDARによる検出の代替として実現可能で柔軟なものであり, 現代のシーケンスモデリングツールを3次元認識にインポートするための道を開いた。

関連論文リスト

• SP3D: Boosting Sparsely-Supervised 3D Object Detection via Accurate Cross-Modal Semantic Prompts [13.349110509879312]
  スパース制御された3Dオブジェクト検出は注目され、完全に教師された3Dオブジェクト・オブジェクタに近い性能を実現している。 本研究では,スパースアノテーション設定下での頑健な特徴識別機能を備えた3D検出器の強化を目的とした,SP3Dと呼ばれるブースティング戦略を提案する。 実験により、SP3Dはわずかに観察された検出器の性能を、平均的なラベル付け条件下で大きなマージンで向上させることができることが確認された。
  論文  参考訳（メタデータ） (2025-03-09T06:08:04Z)
• TAR3D: Creating High-Quality 3D Assets via Next-Part Prediction [137.34863114016483]
  TAR3Dは、3D対応ベクトル量子可変オートエンコーダ(VQ-VAE)と生成事前学習トランス(GPT)で構成される新しいフレームワークである。 TAR3Dは,テキスト・ツー・3Dタスクや画像・ツー・3Dタスクにおいて,既存の手法よりも優れた生成品質が得られることを示す。
  論文  参考訳（メタデータ） (2024-12-22T08:28:20Z)
• Vision-Language Guidance for LiDAR-based Unsupervised 3D Object Detection [16.09503890891102]
  我々は,LiDAR点雲のみで動作する教師なし3次元検出手法を提案する。 我々は、クラスタリング、トラッキング、ボックステキスト、ラベルリファインメントなど、LiDARポイントクラウドの固有のCLI時間知識を活用している。 提案手法はオープンデータセット上での最先端の非教師なし3Dオブジェクト検出器よりも優れている。
  論文  参考訳（メタデータ） (2024-08-07T14:14:53Z)
• MAELi: Masked Autoencoder for Large-Scale LiDAR Point Clouds [13.426810473131642]
  Masked AutoEncoder for LiDAR Point clouds (MAELi) は、復元中にエンコーダとデコーダの両方でLiDARポイントクラウドの空間性を直感的に活用する。 新たな再構築アプローチでは、MAELiは空空間と隠された空間を区別する。 これにより、MAELiは基礎となる3次元シーンの幾何学と意味論の理解を得る。
  論文  参考訳（メタデータ） (2022-12-14T13:10:27Z)
• BEV-MAE: Bird's Eye View Masked Autoencoders for Point Cloud Pre-training in Autonomous Driving Scenarios [51.285561119993105]
  自律運転におけるLiDARに基づく3Dオブジェクト検出のための,効率的なマスク付きオートエンコーダ事前学習フレームワークであるBEV-MAEを提案する。 具体的には、3Dエンコーダ学習特徴表現を導くために,鳥の目視(BEV)誘導マスキング戦略を提案する。 学習可能なポイントトークンを導入し、3Dエンコーダの一貫性のある受容的フィールドサイズを維持する。
  論文  参考訳（メタデータ） (2022-12-12T08:15:03Z)
• Point2Seq: Detecting 3D Objects as Sequences [58.63662049729309]
  我々は、ポイントクラウドから3次元オブジェクトを検出するためのシンプルで効果的なフレームワーク、Point2Seqを提案する。 我々は,各3Dオブジェクトを単語列とみなし,その3Dオブジェクト検出タスクを,自動回帰的に3Dシーンからの単語の復号化として再構成する。
  論文  参考訳（メタデータ） (2022-03-25T00:20:31Z)
• PillarGrid: Deep Learning-based Cooperative Perception for 3D Object Detection from Onboard-Roadside LiDAR [15.195933965761645]
  我々は,複数の3次元LiDARからの情報を融合した新しい協調認識手法であるtextitPillarGridを提案する。 PillarGrid は,1) 点雲の協調前処理,2) 軸方向のボキセル化と特徴抽出,3) 複数のセンサからの特徴のグリッド方向の深層融合,4) 畳み込みニューラルネットワーク(CNN) に基づく3Dオブジェクト検出である。 広汎な実験により、PillarGridはSOTA単一LiDARに基づく3Dオブジェクト検出法よりも精度と範囲を大きなマージンで上回ることがわかった。
  論文  参考訳（メタデータ） (2022-03-12T02:28:41Z)
• ST3D: Self-training for Unsupervised Domain Adaptation on 3D ObjectDetection [78.71826145162092]
  点雲からの3次元物体検出における教師なし領域適応のための新しい領域適応型自己学習パイプラインST3Dを提案する。 当社のST3Dは、評価されたすべてのデータセットで最先端のパフォーマンスを達成し、KITTI 3Dオブジェクト検出ベンチマークで完全に監視された結果を超えます。
  論文  参考訳（メタデータ） (2021-03-09T10:51:24Z)

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。