論文の概要: Rascene: High-Fidelity 3D Scene Imaging with mmWave Communication Signals

• arxiv url: http://arxiv.org/abs/2604.02603v1
• Date: Fri, 03 Apr 2026 00:46:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.258483
• Title: Rascene: High-Fidelity 3D Scene Imaging with mmWave Communication Signals
• Title（参考訳）: Rascene:mmWave通信信号を用いた高密度3DScene Imaging
• Authors: Kunzhe Song, Geo Jie Zhou, Xiaoming Liu, Huacheng Zeng,
• Abstract要約: 本稿では,mmWave OFDM通信信号を利用した3次元シーンイメージングのための統合センシング・通信フレームワークRasceneを紹介する。 個々の無線フレームのスパースとマルチパスあいまいさを克服するために、Rasceneは、自信重み付き前方投影による多フレーム空間適応融合を行う。 実験により,提案手法は高精度で3Dシーンを再構成し,低コストでスケーラブルで堅牢な3D知覚への新たな経路を提供することを示した。
• 参考スコア（独自算出の注目度）: 12.520115230755438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robust 3D environmental perception is critical for applications such as autonomous driving and robot navigation. However, optical sensors such as cameras and LiDAR often fail under adverse conditions, including smoke, fog, and non-ideal lighting. Although specialized radar systems can operate in these environments, their reliance on bespoke hardware and licensed spectrum limits scalability and cost-effectiveness. This paper introduces Rascene, an integrated sensing and communication (ISAC) framework that leverages ubiquitous mmWave OFDM communication signals for 3D scene imaging. To overcome the sparse and multipath-ambiguous nature of individual radio frames, Rascene performs multi-frame, spatially adaptive fusion with confidence-weighted forward projection, enabling the recovery of geometric consensus across arbitrary poses. Experimental results demonstrate that our method reconstructs 3D scenes with high precision, offering a new pathway toward low-cost, scalable, and robust 3D perception.
• Abstract（参考訳）: ロバストな3D環境認識は、自律運転やロボットナビゲーションといった応用には不可欠である。 しかし、カメラやLiDARのような光学センサーは、煙、霧、非理想的な照明などの悪条件下では失敗することが多い。 特殊なレーダーシステムはこれらの環境で動作可能であるが、ハードウェアやライセンスされたスペクトルに依存しているため、スケーラビリティと費用対効果が制限される。 本稿では, ユビキタスな mmWave OFDM 通信信号を利用した3次元シーンイメージングのための統合センシング通信(ISAC)フレームワークであるRasceneを紹介する。 個々の無線フレームのスパースとマルチパスあいまいな性質を克服するために、Rasceneは、自信重み付き前方投影による多フレーム空間適応融合を行い、任意のポーズをまたいだ幾何学的コンセンサスの回復を可能にする。 実験により,提案手法は高精度で3Dシーンを再構成し,低コストでスケーラブルで堅牢な3D知覚への新たな経路を提供することを示した。

関連論文リスト

• RadarXFormer: Robust Object Detection via Cross-Dimension Fusion of 4D Radar Spectra and Images for Autonomous Driving [28.09294325639777]
  カメラとLiDARに基づく認識システムは、悪天候や照明条件下での性能劣化に悩まされる。 レーダビジョン融合は、ミリ波レーダの環境ロバスト性とコスト効率と、カメラが捉えたリッチなセマンティック情報を組み合わせることで、有望な代替手段を提供する。 本稿では、4DレーダスペクトルとRGB画像の効率的な相互融合を可能にする3Dオブジェクト検出フレームワークであるRadarXFormerを提案する。
  論文  参考訳（メタデータ） (2026-03-16T04:56:37Z)
• 3D Scene Rendering with Multimodal Gaussian Splatting [7.646123713331197]
  3Dシーンの再構築とレンダリングはコンピュータビジョンの中核的なタスクであり、産業監視、ロボット工学、自動運転といった用途にまたがる。 近年の3Dガウススプラッティングは、高い計算効率とメモリ効率を維持しながら、印象的なレンダリング忠実性を実現している。 我々は、自動車レーダーのようなRFセンシングとGSベースのレンダリングを、視覚のみのGSレンダリングのより効率的で堅牢な代替手段として統合するマルチモーダルフレームワークを導入する。
  論文  参考訳（メタデータ） (2026-02-19T06:49:53Z)
• Robo3R: Enhancing Robotic Manipulation with Accurate Feed-Forward 3D Reconstruction [70.06600045165905]
  3D空間認識は、一般的なロボット操作の基本であるが、信頼性が高く高品質な3D形状の取得は依然として困難である。 本稿では,RGB画像やロボットの状態から直接,正確な距離スケールのシーン形状をリアルタイムで予測する操作可能な3次元再構成モデルであるRobo3Rを紹介する。 我々は、ロボット操作のためのこの代替3Dセンシングモジュールの約束を示唆し、パフォーマンスの連続的な向上を観察する。
  論文  参考訳（メタデータ） (2026-02-10T18:58:15Z)
• RobuRCDet: Enhancing Robustness of Radar-Camera Fusion in Bird's Eye View for 3D Object Detection [68.99784784185019]
  暗い照明や悪天候はカメラの性能を低下させる。 レーダーは騒音と位置のあいまいさに悩まされる。 本稿では,BEVの頑健な物体検出モデルであるRobuRCDetを提案する。
  論文  参考訳（メタデータ） (2025-02-18T17:17:38Z)
• A Plug-and-Play Algorithm for 3D Video Super-Resolution of Single-Photon LiDAR data [5.378429123269604]
  単光子アバランシェダイオード(SPAD)は、個々の光子を検出し、ピコ秒分解能で到着時間を記録できる高度なセンサーである。 本研究では,SPADデータから移動シーンの3次元再構成を改善するための新しい計算画像処理アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-12T16:33:06Z)
• MM3DGS SLAM: Multi-modal 3D Gaussian Splatting for SLAM Using Vision, Depth, and Inertial Measurements [59.70107451308687]
  カメラ画像と慣性測定による地図表現に3Dガウスアンを用いることで、精度の高いSLAMが実現できることを示す。 我々の手法であるMM3DGSは、より高速なスケール認識と軌道追跡の改善により、事前レンダリングの限界に対処する。 また,カメラと慣性測定ユニットを備えた移動ロボットから収集したマルチモーダルデータセットUT-MMもリリースした。
  論文  参考訳（メタデータ） (2024-04-01T04:57:41Z)
• Multi-Modal 3D Object Detection by Box Matching [109.43430123791684]
  マルチモーダル3次元検出のためのボックスマッチング(FBMNet)による新しいフュージョンネットワークを提案する。 3Dオブジェクトと2Dオブジェクトの提案を学習することで、ROI特徴を組み合わせることで、検出のための融合を効果的に行うことができる。
  論文  参考訳（メタデータ） (2023-05-12T18:08:51Z)
• Bridging Stereo Geometry and BEV Representation with Reliable Mutual Interaction for Semantic Scene Completion [45.171150395915056]
  3Dセマンティックシーン補完(SSC)は、限られた観測から密集した3Dシーンを推定する必要がある不適切な認識課題である。 従来のカメラベースの手法は、固有の幾何学的曖昧さと不完全な観察のため、正確なセマンティックシーンを予測するのに苦労した。 我々は,SSCにおけるステレオマッチング技術と鳥眼ビュー(BEV)表現学習を利用して,そのような問題に対処する。
  論文  参考訳（メタデータ） (2023-03-24T12:33:44Z)
• CramNet: Camera-Radar Fusion with Ray-Constrained Cross-Attention for Robust 3D Object Detection [12.557361522985898]
  本稿では,カメラとレーダーの読み取りを3次元空間に融合させるカメラレーダマッチングネットワークCramNetを提案する。 本手法は, カメラやレーダセンサが車両内で突然故障した場合においても, 頑健な3次元物体検出を実現するセンサモダリティ・ドロップアウトによるトレーニングを支援する。
  論文  参考訳（メタデータ） (2022-10-17T17:18:47Z)

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。