論文の概要: SGR-OCC: Evolving Monocular Priors for Embodied 3D Occupancy Prediction via Soft-Gating Lifting and Semantic-Adaptive Geometric Refinement

• arxiv url: http://arxiv.org/abs/2603.14076v1
• Date: Sat, 14 Mar 2026 18:45:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.585217
• Title: SGR-OCC: Evolving Monocular Priors for Embodied 3D Occupancy Prediction via Soft-Gating Lifting and Semantic-Adaptive Geometric Refinement
• Title（参考訳）: SGR-OCC:Soft-Gating LiftingとSemantic-Adaptive Geometric Refinementによる身体的3次元活動予測のための単眼前駆体の開発
• Authors: Yiran Guo, Simone Mentasti, Xiaofeng Jin, Matteo Frosi, Matteo Matteucci,
• Abstract要約: 3Dセマンティック占有予測は、具現化されたAIの基盤である。 我々は,SGR-OCC(Soft-Gating and Ray-Refinement Occupancy)を提案する。 局所予測タスクでは、SGR-OCCは58.55$%の完了IoUと49.89$%のセマンティックmIoUを達成し、それぞれ3.65$%と3.69$%の前のベストメソッドであるEmbodiedOcc++を上回っている。
• 参考スコア（独自算出の注目度）: 9.891265334631889
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D semantic occupancy prediction is a cornerstone for embodied AI, enabling agents to perceive dense scene geometry and semantics incrementally from monocular video streams. However, current online frameworks face two critical bottlenecks: the inherent depth ambiguity of monocular estimation that causes "feature bleeding" at object boundaries , and the "cold start" instability where uninitialized temporal fusion layers distort high-quality spatial priors during early training stages. In this paper, we propose SGR-OCC (Soft-Gating and Ray-refinement Occupancy), a unified framework driven by the philosophy of "Inheritance and Evolution". To perfectly inherit monocular spatial expertise, we introduce a Soft-Gating Feature Lifter that explicitly models depth uncertainty via a Gaussian gate to probabilistically suppress background noise. Furthermore, a Dynamic Ray-Constrained Anchor Refinement module simplifies complex 3D displacement searches into efficient 1D depth corrections along camera rays, ensuring sub-voxel adherence to physical surfaces. To ensure stable evolution toward temporal consistency, we employ a Two-Phase Progressive Training Strategy equipped with identity-initialized fusion, effectively resolving the cold start problem and shielding spatial priors from noisy early gradients. Extensive experiments on the EmbodiedOcc-ScanNet and Occ-ScanNet benchmarks demonstrate that SGR-OCC achieves state-of-the-art performance. In local prediction tasks, SGR-OCC achieves a completion IoU of 58.55$\%$ and a semantic mIoU of 49.89$\%$, surpassing the previous best method, EmbodiedOcc++, by 3.65$\%$ and 3.69$\%$ respectively. In challenging embodied prediction tasks, our model reaches 55.72$\%$ SC-IoU and 46.22$\%$ mIoU. Qualitative results further confirm our model's superior capability in preserving structural integrity and boundary sharpness in complex indoor environments.
• Abstract（参考訳）: 3Dセマンティック占有予測はAIの具体化の基礎であり、エージェントはモノクロビデオストリームから密集したシーンの幾何学とセマンティックスを段階的に知覚することができる。 しかし、現在のオンラインフレームワークは、2つの重要なボトルネックに直面している: オブジェクト境界における「機能的出血」を引き起こす単分子推定の内在的な深さの曖昧さと、未初期化時間融合層が初期の訓練段階で高品質な空間的先行を歪ませる「コールドスタート」不安定性である。 本稿では,SGR-OCC(Soft-Gating and Ray-Refinement Occupancy)を提案する。 単分子的空間的専門知識を完全に継承するために,ガウスゲートによる奥行き不確かさを明示的にモデル化し,背景雑音を確率的に抑制するソフトゲイティング・フィーチャー・リフタを導入する。 さらに、ダイナミック・レイ制約アンカー・リファインメント・モジュールは、複雑な3次元変位探索をカメラ線に沿った効率的な1次元深度補正に単純化し、物理的表面へのサブボクセルの付着を確保する。 時間的整合性に向けた安定的な進化を確保するため,恒常的核融合を具備した2相プログレッシブ・トレーニング・ストラテジーを採用し,冷間開始問題を効果的に解決し,騒音の多い初期勾配から空間的先行を遮蔽する。 EmbodiedOcc-ScanNetベンチマークとOcc-ScanNetベンチマークの大規模な実験は、SGR-OCCが最先端のパフォーマンスを達成することを示した。 局所予測タスクでは、SGR-OCCは58.55$\%$の完了IoUと49.89$\%$のセマンティックmIoUを達成し、それぞれ3.65$\%$と3.69$\%$の前のベストメソッドであるEmbodiedOcc++を上回ります。 挑戦的な具体的予測タスクにおいて、我々のモデルは 55.72$\%$ SC-IoU と 46.22$\%$ mIoU に達する。 複雑な屋内環境における構造的整合性と境界のシャープ性を維持する上で, モデルが優れていることを, 定性的に検証した。

関連論文リスト

• ERGO: Excess-Risk-Guided Optimization for High-Fidelity Monocular 3D Gaussian Splatting [63.138778159026934]
  本稿では,ERGOと呼ばれる過度のリスク分解によって導かれる適応最適化フレームワークを提案する。 ERGOはビュー固有の過剰リスクを動的に推定し、最適化中の損失重みを適応的に調整する。 Google Scanned ObjectsデータセットとOmniObject3Dデータセットの実験は、既存の最先端メソッドよりもERGOの方が優れていることを示している。
  論文  参考訳（メタデータ） (2026-02-10T20:44:43Z)
• DET-GS: Depth- and Edge-Aware Regularization for High-Fidelity 3D Gaussian Splatting [5.759434800012218]
  3D Gaussian Splatting (3DGS) は、効率的かつ高忠実な新規なビュー合成の分野において重要な進歩を示している。 既存の手法はしばしば非局所的な深さ正規化に依存しており、微細な構造を捉えることができない。 本稿では,3次元ガウス平滑化のための深度とエッジ認識の統一正規化フレームワークであるDET-GSを提案する。
  論文  参考訳（メタデータ） (2025-08-06T05:37:26Z)
• Cross-Modal Geometric Hierarchy Fusion: An Implicit-Submap Driven Framework for Resilient 3D Place Recognition [9.411542547451193]
  本稿では,密度に依存しない幾何学的推論により3次元位置認識を再定義するフレームワークを提案する。 具体的には、元のシーンポイント雲密度の干渉に免疫する弾性点に基づく暗黙の3次元表現を導入する。 これら2種類の情報を活用することで,鳥眼視と3Dセグメントの両視点から幾何学的情報を融合する記述子を得る。
  論文  参考訳（メタデータ） (2025-06-17T07:04:07Z)
• Intern-GS: Vision Model Guided Sparse-View 3D Gaussian Splatting [95.61137026932062]
  Intern-GSはスパースビューガウススプラッティングのプロセスを強化する新しいアプローチである。 Intern-GSは多様なデータセットにまたがって最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-05-27T05:17:49Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
  本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。 提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
  論文  参考訳（メタデータ） (2024-05-17T07:31:20Z)

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。