論文の概要: Reconstruction Matters: Learning Geometry-Aligned BEV Representation through 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2603.19193v1
• Date: Thu, 19 Mar 2026 17:49:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.309523
• Title: Reconstruction Matters: Learning Geometry-Aligned BEV Representation through 3D Gaussian Splatting
• Title（参考訳）: 再構成事項:3次元ガウス平滑化による幾何学的BEV表現の学習
• Authors: Yiren Lu, Xin Ye, Burhaneddin Yaman, Jingru Luo, Zhexiao Xiong, Liu Ren, Yu Yin,
• Abstract要約: Splat2BEVは、意味的にリッチで幾何学的に正確なBEV特徴表現を学習することを目的としている。 nuScenesとargoverseデータセットの実験は、Splat2BEVが最先端のパフォーマンスを達成することを示した。
• 参考スコア（独自算出の注目度）: 24.49684091836623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bird's-Eye-View (BEV) perception serves as a cornerstone for autonomous driving, offering a unified spatial representation that fuses surrounding-view images to enable reasoning for various downstream tasks, such as semantic segmentation, 3D object detection, and motion prediction. However, most existing BEV perception frameworks adopt an end-to-end training paradigm, where image features are directly transformed into the BEV space and optimized solely through downstream task supervision. This formulation treats the entire perception process as a black box, often lacking explicit 3D geometric understanding and interpretability, leading to suboptimal performance. In this paper, we claim that an explicit 3D representation matters for accurate BEV perception, and we propose Splat2BEV, a Gaussian Splatting-assisted framework for BEV tasks. Splat2BEV aims to learn BEV feature representations that are both semantically rich and geometrically precise. We first pre-train a Gaussian generator that explicitly reconstructs 3D scenes from multi-view inputs, enabling the generation of geometry-aligned feature representations. These representations are then projected into the BEV space to serve as inputs for downstream tasks. Extensive experiments on nuScenes and argoverse dataset demonstrate that Splat2BEV achieves state-of-the-art performance and validate the effectiveness of incorporating explicit 3D reconstruction into BEV perception.
• Abstract（参考訳）: Bird's-Eye-View (BEV) の認識は、セマンティックセグメンテーション、3Dオブジェクト検出、モーション予測など、さまざまな下流タスクの推論を可能にする、周囲のイメージを融合した空間表現を提供する、自律運転の基盤となる。 しかし、既存のほとんどのBEV認識フレームワークはエンドツーエンドのトレーニングパラダイムを採用しており、画像機能は直接BEV空間に変換され、下流のタスク管理によってのみ最適化される。 この定式化は、知覚過程全体をブラックボックスとして扱い、しばしば明快な3次元幾何学的理解と解釈性が欠如し、最適以下の性能をもたらす。 本稿では,明快な3D表現が正確なBEV知覚に重要であることを主張し,ガウススプラッティング支援フレームワークであるSplat2BEVを提案する。 Splat2BEVは、意味的にリッチで幾何学的に正確なBEV特徴表現を学習することを目的としている。 我々はまず,多視点入力から3次元シーンを明示的に再構成するガウス生成器を事前訓練し,幾何学的特徴表現の生成を可能にする。 これらの表現はBEV空間に投影され、下流タスクの入力として機能する。 nuSceneとargoverseデータセットの大規模な実験により、Splat2BEVは最先端のパフォーマンスを達成し、明示的な3D再構成をBEVの知覚に組み込むことの有効性を検証する。

関連論文リスト

• LSSInst: Improving Geometric Modeling in LSS-Based BEV Perception with Instance Representation [10.434754671492723]
  本稿では,BEVおよびインスタンス表現をタンデムに組み込んだ2段階物体検出器であるLSSInstを提案する。 提案した検出器は、既存のLSSベースのBEVネットワークに柔軟に統合可能な、きめ細かいピクセルレベルの特徴を利用する。 提案するフレームワークは,高性能な一般化能力と性能を備え,ベルやホイッスルを使わずに,現代のLSSベースのBEV認識手法の性能を向上させる。
  論文  参考訳（メタデータ） (2024-11-09T13:03:54Z)
• Zero-BEV: Zero-shot Projection of Any First-Person Modality to BEV Maps [13.524499163234342]
  本稿では,対応するBEVマップに対して,一人称視点で利用可能な任意のモダリティをゼロショット投影できる新しいモデルを提案する。 本研究では,本モデルが競合手法,特に単眼深度推定に広く用いられているベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-02-21T14:50:24Z)
• DA-BEV: Unsupervised Domain Adaptation for Bird's Eye View Perception [104.87876441265593]
  カメラのみのBird's Eye View (BEV)は3次元空間における環境認識に大きな可能性を示した。 非教師なし領域適応型BEVは、様々な未ラベル対象データから効果的に学習するが、まだ未探索である。 DA-BEVは、画像ビュー機能とBEV機能の相補性を利用して、ドメイン適応型BEV課題に対処する、最初のドメイン適応型カメラのみのBEVフレームワークである。
  論文  参考訳（メタデータ） (2024-01-13T04:21:24Z)
• BEV-IO: Enhancing Bird's-Eye-View 3D Detection with Instance Occupancy [58.92659367605442]
  我々は,BEV表現をインスタンス占有情報で拡張する新しい3次元検出パラダイムであるBEV-IOを提案する。 BEV-IOは、パラメータや計算オーバーヘッドの無視できる増加しか加えず、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-26T11:16:12Z)
• GitNet: Geometric Prior-based Transformation for Birds-Eye-View Segmentation [105.19949897812494]
  Birds-eye-view (BEV) セマンティックセマンティックセグメンテーションは自動運転に不可欠である。 本稿では,GitNetという新しい2段階のGeometry Preside-based Transformationフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-16T06:46:45Z)
• M^2BEV: Multi-Camera Joint 3D Detection and Segmentation with Unified Birds-Eye View Representation [145.6041893646006]
  M$2$BEVは3Dオブジェクトの検出とマップのセグメンテーションを共同で行う統合フレームワークである。 M$2$BEVは、両方のタスクを統一モデルで推論し、効率を向上する。
  論文  参考訳（メタデータ） (2022-04-11T13:43:25Z)

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。