論文の概要: Rheos: Modelling Continuous Motion Dynamics in Hierarchical 3D Scene Graphs

• arxiv url: http://arxiv.org/abs/2603.20239v1
• Date: Mon, 09 Mar 2026 13:03:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:12.930246
• Title: Rheos: Modelling Continuous Motion Dynamics in Hierarchical 3D Scene Graphs
• Title（参考訳）: Rheos: 階層的な3Dシーングラフにおける連続運動ダイナミクスのモデル化
• Authors: Iacopo Catalano, Francesco Verdoja, Javier Civera, Jorge Peña-Queralta, Julio A. Placed,
• Abstract要約: 3次元シーングラフ(3DSG)は、環境の幾何学的・意味的な構造をエンコードする階層的で多重解像度の抽象化を提供する。 本稿では,連続方向運動モデルを階層型3DSGの動的層に埋め込むフレームワークであるRheosを紹介する。 レオスは連続的かつ好ましくない離散的指標の下で、離散的基底線を一貫して上回る。
• 参考スコア（独自算出の注目度）: 9.547848533245675
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: 3D Scene Graphs (3DSGs) provide hierarchical, multi-resolution abstractions that encode the geometric and semantic structure of an environment, yet their treatment of dynamics remains limited to tracking individual agents. Maps of Dynamics (MoDs) complement this by modeling aggregate motion patterns, but rely on uniform grid discretizations that lack semantic grounding and scale poorly. We present Rheos, a framework that explicitly embeds continuous directional motion models into an additional dynamics layer of a hierarchical 3DSG that enhances the navigational properties of the graph. Each dynamics node maintains a semi-wrapped Gaussian mixture model that captures multimodal directional flow as a principled probability distribution with explicit uncertainty, replacing the discrete histograms used in prior work. To enable online operation, Rheos employs reservoir sampling for bounded-memory observation buffers, parallel per-cell model updates and a principled Bayesian Information Criterion (BIC) sweep that selects the optimal number of mixture components, reducing per-update initialization cost from quadratic to linear in the number of samples. Evaluated across four spatial resolutions in a simulated pedestrian environment, Rheos consistently outperforms the discrete baseline under continuous as well as unfavorable discrete metrics. We release our implementation as open source.
• Abstract（参考訳）: 3D Scene Graphs (3DSGs) は、環境の幾何学的・意味的構造を符号化する階層的で多重解像度の抽象化を提供するが、それらの動的処理は個々のエージェントを追跡することに限定されている。 マップ・オブ・ダイナミクス(MoD)は、集合的な動きパターンをモデル化することでこれを補完するが、セマンティックグラウンドを欠いた一様グリッドの離散化に頼っている。 本稿では,連続方向運動モデルを階層型3DSGの動的層に明示的に埋め込み,グラフのナビゲーション特性を高めるフレームワークであるRheosを紹介する。 それぞれの動的ノードは半ラップされたガウス混合モデルを維持しており、これは多モーダル方向の流れを明示的な不確実性を伴う原理的確率分布として捉え、以前の作業で使われる離散ヒストグラムを置き換える。 オンライン操作を可能にするため、Rheosは、境界メモリ観察バッファ、並列セル毎モデル更新、および最適な混合成分数を選択する原則ベイズ情報基準(BIC)スイープの貯水池サンプリングを採用し、サンプル数の2次から線形への更新初期化コストを削減した。 シミュレーションされた歩行者環境における4つの空間分解能を評価することで、Rheosは連続したベースラインと好ましくない離散メトリクスで一貫してパフォーマンスを向上する。 私たちは実装をオープンソースとしてリリースしています。

関連論文リスト

• Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
  本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。 従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。 我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
  論文  参考訳（メタデータ） (2026-01-05T18:33:50Z)
• Aion: Towards Hierarchical 4D Scene Graphs with Temporal Flow Dynamics [11.811137192267402]
  Aionは、時間の流れを階層的な3DSGに直接埋め込むフレームワークである。 AionはグラフベースのスパースMOD表現を用いて任意の時間間隔で動きの流れをキャプチャする。
  論文  参考訳（メタデータ） (2025-12-10T15:13:30Z)
• Sparse-to-Field Reconstruction via Stochastic Neural Dynamic Mode Decomposition [12.812771670043212]
  風力場や海流のような現実世界のシステムの多くは、動的でモデル化が難しい。 動的モード分解(DMD)は、単純でデータ駆動の近似を提供するが、実用性はスパース/ノイズの観測によって制限される。 DMDの確率的拡張であるNODE-DMDを導入する。
  論文  参考訳（メタデータ） (2025-11-25T18:39:50Z)
• Adaptive Mesh-Quantization for Neural PDE Solvers [51.26961483962011]
  グラフニューラルネットワークは複雑なジオメトリや境界条件に必要な不規則なメッシュを処理できるが、それでもすべてのノードで一様計算処理を適用できる。 適応メッシュ量子化(Adaptive Mesh Quantization): メッシュノード,エッジ,クラスタ特徴間の空間適応量子化であり,量子化モデルで使用されるビット幅を動的に調整する。 我々は,MP-PDEとGraphViTという2つの最先端モデルと統合して,複数のタスクのパフォーマンスを評価することで,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2025-11-23T14:47:24Z)
• PRGCN: A Graph Memory Network for Cross-Sequence Pattern Reuse in 3D Human Pose Estimation [18.771349697842947]
  本稿では、パターン検索と適応の問題としてポーズ推定を形式化する新しいフレームワークであるパターン再利用グラフ変換ネットワーク(PRGCN)を紹介する。 PRGCNのコアとなるグラフメモリバンクは、リレーショナルグラフとして符号化された一連のコンパクトなポーズプロトタイプを学習し、格納する。 PRGCNは,それぞれ37.1mm,13.4mmのMPJPEを達成し,クロスドメインの一般化能力の向上を図っている。
  論文  参考訳（メタデータ） (2025-10-22T11:12:07Z)
• From Tokens to Nodes: Semantic-Guided Motion Control for Dynamic 3D Gaussian Splatting [26.57713792657793]
  制御密度と動きの複雑さを一致させる動き適応フレームワークを提案する。 既存の最先端手法に比べて,復元品質と効率が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2025-10-03T05:33:58Z)
• Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
  本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。 本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。 提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-11-25T08:23:38Z)
• Point Cloud Denoising With Fine-Granularity Dynamic Graph Convolutional Networks [58.050130177241186]
  ノイズの摂動は、しばしば3次元の点雲を破損させ、表面の再構成、レンダリング、さらなる処理といった下流のタスクを妨げる。 本稿では,GDGCNと呼ばれる粒度動的グラフ畳み込みネットワークについて紹介する。
  論文  参考訳（メタデータ） (2024-11-21T14:19:32Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)
• Disentangling and Unifying Graph Convolutions for Skeleton-Based Action Recognition [79.33539539956186]
  本稿では,マルチスケールグラフ畳み込みと,G3Dという空間時間グラフ畳み込み演算子を結合する簡単な方法を提案する。 これらの提案を結合することにより,MS-G3Dという強力な特徴抽出器を開発し,そのモデルが3つの大規模データセット上で従来の最先端手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-31T11:28:25Z)

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。