論文の概要: ReaLiTy and LADS: A Unified Framework and Dataset Suite for LiDAR Adaptation Across Sensors and Adverse Weather Conditions
- arxiv url: http://arxiv.org/abs/2604.10213v1
- Date: Sat, 11 Apr 2026 13:45:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:15.906531
- Title: ReaLiTy and LADS: A Unified Framework and Dataset Suite for LiDAR Adaptation Across Sensors and Adverse Weather Conditions
- Title（参考訳）: ReaLiTyとLADS:LiDAR適応のための統一フレームワークとデータセットスイート
- Authors: Vivek Anand, Bharat Lohani, Rakesh Mishra, Gaurav Pandey,
- Abstract要約: この研究は、LiDARデータをターゲットセンサー仕様と気象条件に合わせて変換する統合物理学インフォームドフレームワークであるReaLiTyを提示する。
このフレームワークは、物理的に接地されたキューと学習ベースのモジュールを統合して、現実的な強度パターンを生成する。
このフレームワーク上に構築されたLiDAR Adaptation dataset Suite (LADS)は、物理的に一貫性があり、変換可能なポイントクラウドのコレクションです。
- 参考スコア（独自算出の注目度）: 7.735941375698213
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reliable LiDAR perception requires robustness across sensors, environments, and adverse weather. However, existing datasets rarely provide physically consistent observations of the same scene under varying sensor configurations and weather conditions, limiting systematic analysis of domain shifts. This work presents ReaLiTy, a unified physics-informed framework that transforms LiDAR data to match target sensor specifications and weather conditions. The framework integrates physically grounded cues with a learning-based module to generate realistic intensity patterns, while a physics-based weather model introduces consistent geometric and radiometric degradations. Building on this framework, we introduce the LiDAR Adaptation Dataset Suite (LADS), a collection of physically consistent, transformation-ready point clouds with one-to-one correspondence to original datasets. Experiments demonstrate improved cross-domain consistency and realistic weather effects. ReaLiTy and LADS provide a reproducible foundation for studying LiDAR adaptation and simulation-driven perception in intelligent transportation systems.
- Abstract（参考訳）: 信頼性の高いLiDARの認識には、センサー、環境、悪天候にまたがる堅牢性が必要である。
しかし、既存のデータセットは、センサーの設定や天候の異なる状況下で同じシーンの物理的に一貫した観察を提供し、ドメインシフトの体系的な分析を制限することは滅多にない。
この研究は、LiDARデータをターゲットセンサー仕様と気象条件に合わせて変換する統合物理学インフォームドフレームワークであるReaLiTyを提示する。
このフレームワークは物理的に接地されたキューを学習ベースのモジュールと統合し、現実的な強度パターンを生成する。
このフレームワーク上に構築されたLiDAR Adaptation Dataset Suite (LADS)は、物理的に一貫した変換対応の点群で、元のデータセットに1対1で対応している。
実験では、ドメイン間の整合性と現実的な気象効果が改善された。
ReaLiTyとLADSは、インテリジェント輸送システムにおけるLiDAR適応とシミュレーション駆動の認識を研究するための再現可能な基盤を提供する。
関連論文リスト
- Simulating Realistic LiDAR Data Under Adverse Weather for Autonomous Vehicles: A Physics-Informed Learning Approach [7.735941375698213]
既存の方法は、LiDAR信号と大気現象の間の複雑な相互作用を捉えるのに苦労し、非現実的な表現をもたらす。
本稿では,悪天候下での現実的なLiDARデータ生成のための物理インフォームド学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-01T06:36:59Z) - Towards Generalized Range-View LiDAR Segmentation in Adverse Weather [65.22588361803942]
我々は、厳しい天候下でのLiDARセグメンテーションの一般化に影響を及ぼす固有の課題を特定し、分析する。
既存のモデルのコアアーキテクチャを変更することなく、ロバスト性を高めるモジュール式で軽量なフレームワークを提案する。
提案手法は,推定オーバーヘッドを最小限に抑え,悪天候への一般化を著しく改善する。
論文 参考訳（メタデータ） (2025-06-10T16:48:27Z) - Realistic Rainy Weather Simulation for LiDARs in CARLA Simulator [17.605152926277707]
本稿では,降雨時のLiDARデータを拡張するためのシミュレータに基づく物理モデリング手法を提案する。
CARLAシミュレータにおける雨天候のモデリングタスクを完了し、LiDARデータ収集のためのパイプラインを確立する。
実験では、合成データにより強化されたモデルにより、物体検出タスクの性能が向上することが観察された。
論文 参考訳（メタデータ） (2023-12-20T05:16:04Z) - Analyzing Infrastructure LiDAR Placement with Realistic LiDAR Simulation Library [22.077414016647516]
インフラセンサは、V2X(Vine-to-Everything)協調知覚において重要な役割を果たす。
インフラセンサの最適配置を見つける方法はめったに研究されていない。
本研究では,現実的なシミュレーション環境下で,インフラセンサの最適設置位置を効率よく,効果的に見つけることができるパイプラインを提案する。
論文 参考訳（メタデータ） (2022-11-29T07:18:32Z) - Learning to Simulate Realistic LiDARs [66.7519667383175]
リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。
本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。
我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
論文 参考訳（メタデータ） (2022-09-22T13:12:54Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - LIBRE: The Multiple 3D LiDAR Dataset [54.25307983677663]
We present LIBRE: LiDAR Benchmarking and Reference, a first-of-in-kind dataset with 10 different LiDAR sensor。
LIBREは、現在利用可能なLiDARを公平に比較するための手段を提供するために、研究コミュニティに貢献する。
また、既存の自動運転車やロボティクス関連のソフトウェアの改善も促進する。
論文 参考訳（メタデータ） (2020-03-13T06:17:39Z)
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。