論文の概要: GOLD-BEV: GrOund and aeriaL Data for Dense Semantic BEV Mapping of Dynamic Scenes

• arxiv url: http://arxiv.org/abs/2604.19411v1
• Date: Tue, 21 Apr 2026 12:39:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.767889
• Title: GOLD-BEV: GrOund and aeriaL Data for Dense Semantic BEV Mapping of Dynamic Scenes
• Title（参考訳）: GOLD-BEV:ダイナミックシーンの高密度セマンティックBEVマッピングのためのGrOundとaeriaLデータ
• Authors: Joshua Niemeijer, Alaa Eddine Ben Zekri, Reza Bahmanyar, Philipp M. Schmälzle, Houda Chaabouni-Chouayakh, Franz Kurz,
• Abstract要約: 本稿では,時間同期空中画像を用いた密集した鳥眼環境マップ(BEV)を訓練中のみ監視する枠組みを提案する。 金-BEV対応の空中作物は直感的な目標空間を提供し、手作業を最小限に抑えた密集した意味的アノテーションを可能にする。 我々は,エゴセンサからの擬似空中BEV画像の合成を学習することによって,空域を超えて拡張する。
• 参考スコア（独自算出の注目度）: 2.209816278926315
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding road scenes in a geometrically consistent, scene-centric representation is crucial for planning and mapping. We present GOLD-BEV, a framework that learns dense bird's-eye-view (BEV) semantic environment maps-including dynamic agents-from ego-centric sensors, using time-synchronized aerial imagery as supervision only during training. BEV-aligned aerial crops provide an intuitive target space, enabling dense semantic annotation with minimal manual effort and avoiding the ambiguity of ego-only BEV labeling. Crucially, strict aerial-ground synchronization allows overhead observations to supervise moving traffic participants and mitigates the temporal inconsistencies inherent to non-synchronized overhead sources. To obtain scalable dense targets, we generate BEV pseudo-labels using domain-adapted aerial teachers, and jointly train BEV segmentation with optional pseudo-aerial BEV reconstruction for interpretability. Finally, we extend beyond aerial coverage by learning to synthesize pseudo-aerial BEV images from ego sensors, which support lightweight human annotation and uncertainty-aware pseudo-labeling on unlabeled drives.
• Abstract（参考訳）: 道路シーンを幾何学的に一貫した、シーン中心の表現で理解することは、計画とマッピングに不可欠である。 GOLD-BEVは,密集した鳥の目視(BEV)のセマンティックな環境をエゴ中心のセンサーから学習するフレームワークである。 BEV対応の航空作物は直感的な目標空間を提供し、手作業が最小限であり、エゴのみのBEVラベリングの曖昧さを避けることができる。 重要なことに、厳密な地上同期により、頭上の観測により、移動中の交通参加者を監督し、非同期のオーバーヘッド源に固有の時間的不整合を緩和することができる。 拡張性の高い高密度ターゲットを得るために,ドメイン適応型航空教師を用いてBEV擬似ラベルを生成し,また,解釈可能性のために任意の擬似航空的BEV再構成を用いてBEVセグメンテーションを共同で訓練する。 最後に,エゴセンサから擬似航空的BEV画像の合成を学習することにより,空域を超えて拡張する。

関連論文リスト

• TrajDiff: End-to-end Autonomous Driving without Perception Annotation [65.49718343700319]
  エンドツーエンドの自動運転システムは、生センサ入力から直接駆動ポリシーを生成する。 TrajDiffはTrajectory-oriented BEV Conditioned Diffusionフレームワークであり、エンドツーエンドの自動運転のための知覚アノテーションのない生成方法を確立する。 NAVSIMベンチマークで評価すると、TrajDiffは87.5 PDMSを達成した。
  論文  参考訳（メタデータ） (2025-11-30T04:34:20Z)
• RendBEV: Semantic Novel View Synthesis for Self-Supervised Bird's Eye View Segmentation [9.72227798086777]
  本稿では,Bird's Eye View セマンティックセグメンテーションネットワークの自己教師型トレーニング手法である RendBEV を提案する。 提案手法では, ゼロショットBEVセマンティックセマンティックセグメンテーションが可能であり, 既に競合する結果が得られている。
  論文  参考訳（メタデータ） (2025-02-20T18:11:44Z)
• VQ-Map: Bird's-Eye-View Map Layout Estimation in Tokenized Discrete Space via Vector Quantization [108.68014173017583]
  Bird's-eye-view (BEV) マップのレイアウト推定には、エゴ車の周囲の環境要素のセマンティクスを正確に完全に理解する必要がある。 本稿では,Vector Quantized-Variational AutoEncoder (VQ-VAE) に似た生成モデルを用いて,トークン化された離散空間における高レベルのBEVセマンティクスの事前知識を取得することを提案する。 得られたBEVトークンには,異なるBEV要素のセマンティクスを包含したコードブックが組み込まれているため,スパースバックボーン画像特徴と得られたBEVトークンとを直接一致させることができる。
  論文  参考訳（メタデータ） (2024-11-03T16:09:47Z)
• BEVWorld: A Multimodal World Simulator for Autonomous Driving via Scene-Level BEV Latents [56.33989853438012]
  BEVWorldは,マルチモーダルセンサ入力を統一的でコンパクトなBird's Eye View潜在空間に変換し,全体的環境モデリングを行うフレームワークである。 提案する世界モデルは,多モードトークン化器と遅延BEVシーケンス拡散モデルという2つの主要成分から構成される。
  論文  参考訳（メタデータ） (2024-07-08T07:26:08Z)
• LetsMap: Unsupervised Representation Learning for Semantic BEV Mapping [23.366388601110913]
  本稿では,FV画像からセマンティックなBEVマップをラベル効率よく生成するための,教師なし表現学習手法を提案する。 提案手法は,2つの解離したニューラルパスを教師なし方式で,シーン幾何学とシーン意味論を独立に推論するために,ネットワークを事前訓練する。 本研究では,FV画像の空間的・時間的整合性を利用して,シーン表現を符号化する新しい時間的マスク付きオートエンコーダの定式化に依存しながら,シーン形状を学習する。
  論文  参考訳（メタデータ） (2024-05-29T08:03:36Z)
• Semi-Supervised Learning for Visual Bird's Eye View Semantic Segmentation [16.3996408206659]
  トレーニング中にラベルのない画像を活用することで性能を向上させるために,視覚的BEVセマンティックセマンティックセマンティックセマンティクスのための新しい半教師付きフレームワークを提案する。 次に、ラベルのないデータを完全に利用する一貫性損失を提案し、セマンティックな予測だけでなく、BEV機能にもモデルを制約する。 nuScenesとArgoverseデータセットの実験により、我々のフレームワークは予測精度を効果的に向上できることが示された。
  論文  参考訳（メタデータ） (2023-08-28T12:23:36Z)
• Bird's-Eye-View Scene Graph for Vision-Language Navigation [85.72725920024578]
  視覚言語ナビゲーション(VLN)は、人間の指示に従って3D環境をナビゲートするエージェントである。 室内環境のシーンレイアウトと幾何学的手がかりを符号化するために,多段階のBEV表現を利用するBEVシーングラフ(BSG)を提案する。 BSGに基づいて、エージェントは、ローカルなBEVグリッドレベル決定スコアとグローバルなグラフレベル決定スコアを予測し、パノラマビューのサブビュー選択スコアと組み合わせる。
  論文  参考訳（メタデータ） (2023-08-09T07:48:20Z)
• 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)

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。