論文の概要: From Concept to Capability: Evaluating 3D Gaussian Splatting for Synthetic Scene Editing in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2605.01995v1
• Date: Sun, 03 May 2026 17:54:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.035034
• Title: From Concept to Capability: Evaluating 3D Gaussian Splatting for Synthetic Scene Editing in Autonomous Driving
• Title（参考訳）: 概念から能力へ:自律運転における合成シーン編集のための3次元ガウス切削の評価
• Authors: Ali Nouri, Yifei Zhang, Yifan Zhang, Tayssir Bouraffa, Zhennan Fei, Zijian Han, Håkan Sivencrona, Anders Heyden,
• Abstract要約: 3D Gaussian Splatting (3DGS)は、カメラとLiDARセンサーが収集したデータに基づいてシーンの再構築と編集を行う有望な能力を示している。 本稿では,安全関連シーンの再構築に使用する3DGSの機能と限界を体系的に解析するフレームワークを提案し,実装する。
• 参考スコア（独自算出の注目度）: 12.144026818846257
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The perception of an Autonomous Driving System (ADS) critically depends on relevant, comprehensive, and diverse datasets to ensure its safety while operating in the environment. Field data collection lacks completeness with respect to the list of rare but still possible safety-related scenarios needed for the development, verification, and validation of the ADS. 3D Gaussian Splatting (3DGS) has shown promising capabilities for the reconstruction and editing of scenes based on data collected by cameras and LiDAR sensors. However, the industrial fidelity evaluation of reconstructions is underexplored, which is crucial when employing such methods in safety-related systems, especially for ADS. This becomes more challenging as ADS operates in a dynamic, uncontrolled environment with limited viewpoints and often partially occluded objects. This paper addresses this gap by proposing and implementing a framework (Fig. 1) to systematically analyze the capabilities and limitations of 3DGS for use in the reconstruction of safety-related scenes. It focuses on the quality of reconstruction for vehicles and pedestrians, which are the two most critical object classes for ADS. Our findings provide industry insights into the fidelity degradation of reconstructions from multiple novel viewpoints, both lateral and longitudinal, enabling the integration of these methods into real-world industrial AD software development and testing pipelines.
• Abstract（参考訳）: 自律運転システム(ADS)の認識は、環境下での運用において安全性を確保するために、関連する、包括的で多様なデータセットに依存している。 フィールドデータ収集は、ADSの開発、検証、検証に必要な、稀だがまだ可能な安全関連シナリオのリストに関して完全性に欠ける。 3D Gaussian Splatting (3DGS)は、カメラとLiDARセンサーが収集したデータに基づいてシーンの再構築と編集を行う有望な能力を示している。 しかし, 安全関連システム, 特にADSにそのような手法を用いる場合, 再建工事の工業的忠実度評価は過小評価されている。 ADSは、限られた視点を持ち、しばしば部分的に隠されたオブジェクトを持つ動的で制御されていない環境で機能するので、これはさらに困難になる。 本稿では,安全関連シーンの再構築に使用する3DGSの機能と限界を体系的に解析する枠組みを提案し,実装することで,このギャップを解消する。 車両と歩行者の再建の質に焦点を当てており、これはADSにとって最も重要な2つのクラスである。 これらの手法を実世界の産業用ADソフトウェア開発とテストパイプラインに組み込むことで、横方向と縦方向の両方の異なる視点から、再建の忠実度劣化に関する業界的な知見を提供する。

関連論文リスト

• Occluded nuScenes: A Multi-Sensor Dataset for Evaluating Perception Robustness in Automated Driving [4.60199848319746]
  Occluded nuScenesデータセットは、広く使用されているnuScenesベンチマークの新しい拡張である。 このリソースは、部分的なセンサ故障と環境干渉下での知覚モデルの一貫した再現可能な評価をサポートする。 我々は,自動運転におけるロバストなセンサフュージョン,レジリエンス解析,および安全クリティカルな認識に関する研究を進めることを目的としている。
  論文  参考訳（メタデータ） (2025-10-21T12:02:26Z)
• InScope: A New Real-world 3D Infrastructure-side Collaborative Perception Dataset for Open Traffic Scenarios [13.821143687548494]
  本稿では,新しい3次元インフラ側協調認識データセットについて紹介する。 InScopeは303の追跡軌道と187,787個の3D境界ボックスで20日間の捕獲期間をカプセル化している。
  論文  参考訳（メタデータ） (2024-07-31T13:11:14Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• USC: Uncompromising Spatial Constraints for Safety-Oriented 3D Object Detectors in Autonomous Driving [7.355977594790584]
  自律運転における3次元物体検出器の安全性指向性能について考察する。 本稿では,単純だが重要な局所化要件を特徴付ける空間的制約 (USC) について述べる。 既存のモデルに対する安全性指向の微調整を可能にするために,定量的な測定値を共通損失関数に組み込む。
  論文  参考訳（メタデータ） (2022-09-21T14:03:08Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)
• siaNMS: Non-Maximum Suppression with Siamese Networks for Multi-Camera 3D Object Detection [65.03384167873564]
  サイムズネットワークは、よく知られた3Dオブジェクト検出器アプローチのパイプラインに統合される。 アソシエーションはオブジェクトの3Dボックスレグレッションを強化するために利用される。 nuScenesデータセットの実験的評価は,提案手法が従来のNMS手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2020-02-19T15:32:38Z)

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。