論文の概要: Ghosts in the Point Clouds: De-glaring LiDAR in the Transient Domain

• arxiv url: http://arxiv.org/abs/2605.24753v1
• Date: Sat, 23 May 2026 22:05:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.36394
• Title: Ghosts in the Point Clouds: De-glaring LiDAR in the Transient Domain
• Title（参考訳）: ポイントクラウドにおけるゴースト:過渡的ドメインにおけるLiDARの非グレーリング
• Authors: Avery Gump, Connor Henley, Sungjin Cheong, Akarsh Prabhakara, Mohit Gupta,
• Abstract要約: 内部マルチパスグラアは、現代のLiDARにおいて深刻な障害モードである。 本稿では,この効果に対処するための物理場付きセンシングモデルとアルゴリズム技術を紹介する。 我々は,ポイントクラウド形成に先立って,低レベルのLiDAR検出を行うトレーニングフリーアプローチを開発した。
• 参考スコア（独自算出の注目度）: 7.515516038603202
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern LiDARs are rapidly transitioning from bulky, mechanically scanned systems to ultra-compact, low-cost, solid-state arrays. This miniaturization-while enabling scalability, affordability, and camera-like data structures-introduces a new and severe failure mode: internal-multipath glare. When light from a bright or retroreflective surface reflects and scatters within the LiDAR, light that should reach a single pixel spreads across the pixel array. The resulting artifacts create phantom objects, obscure real ones, and produce safety-critical "ghosts in the point clouds." This paper introduces a physically grounded sensing model and algorithmic techniques for addressing this effect. We show that internal glare can be represented as a linear, scene-independent operator-the Transient Glare Spread Function (TGSF)-acting on the transient measurements. Building on this model, we develop a training-free approach that operates on low-level LiDAR detections (or echoes) prior to point-cloud formation, leveraging knowledge of the glare spread function to reason about the likelihood of each detection arising from glare. The resulting approach is compatible with existing LiDAR signal-processing pipelines, and deployable on unmodified commercial sensors. Using experiments with real single-photon LiDAR hardware, we demonstrate substantial suppression of severe glare artifacts while preserving true scene structure.
• Abstract（参考訳）: 現代のLiDARは、バルクで機械的にスキャンされたシステムから超コンパクトで低コストの固体アレイへと急速に移行している。 この小型化により、スケーラビリティ、可利用性、カメラライクなデータ構造が実現し、新たな深刻な障害モードである内部マルチパスグラアが導入された。 明るい反射面や反射面からの光がLiDAR内を反射して散乱すると、単一のピクセルに届く光がピクセルアレイ全体に広がる。 その結果得られたアーティファクトは幻のオブジェクトを生成し、実際のオブジェクトを曖昧にし、セーフティクリティカルな"ポイントクラウド内のゴースト"を生成します。 本稿では,この効果に対処するための物理場付きセンシングモデルとアルゴリズム技術を紹介する。 内部グラアは、過渡的な測定に基づいて、線形でシーンに依存しない演算子であるTransient Glare Spread Function (TGSF) として表現できることを示す。 このモデルに基づいて,低レベルのLiDAR検出(エコー)を点雲形成前に行う訓練自由アプローチを開発し,グラア拡散関数の知識を活用して,グラアから発生する各検出の可能性を推定する。 結果として得られたアプローチは、既存のLiDAR信号処理パイプラインと互換性があり、修正されていない商用センサーにデプロイ可能である。 実際の単一光子LiDARハードウェアを用いた実験により,真のシーン構造を保ちながら,厳密なグラレアーティファクトの相当な抑制を実証した。

関連論文リスト

• Zero-Shot UAV Navigation in Forests via Relightable 3D Gaussian Splatting [11.31291385822484]
  受動的単眼視を用いた非構造屋外環境におけるUAVナビゲーションは、シミュレーションと現実の間のかなりの視覚領域のギャップによって妨げられる。 本研究では,非構造化屋外への効率的なゼロショット転送を目的とした,エンドツーエンドの強化学習フレームワークを提案する。 本研究では, 複雑な森林環境において, 最大10m/sの速さで, 頑健で無衝突な航法を実現することを実証した。
  論文  参考訳（メタデータ） (2026-02-06T15:51:03Z)
• SLCFormer: Spectral-Local Context Transformer with Physics-Grounded Flare Synthesis for Nighttime Flare Removal [12.135723445465551]
  レンズフレア(英: Lens flare)は、カメラレンズ内で強力な光源が散乱することによって生じる、夜間の一般的な人工物である。 夜間レンズフレア除去のためのスペクトル局所コンテクストトランスフォーマフレームワークであるSLCFormerを提案する。 提案手法は,計測値と知覚的視覚的品質の両方において,既存の手法よりも優れた,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-12-17T09:16:59Z)
• Physically Based Neural LiDAR Resimulation [4.349248791803596]
  提案手法は既存の手法に比べて高精度なLiDARシミュレーションを実現する。 提案手法は,高分解能LiDARスキャンをカメラ視点で生成するなど,高度な再現性を示す。
  論文  参考訳（メタデータ） (2025-07-15T19:49:44Z)
• LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
  都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。 この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-10-07T15:07:56Z)
• Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
  フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。 現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。 本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-31T04:58:17Z)
• LiDAR-NeRF: Novel LiDAR View Synthesis via Neural Radiance Fields [112.62936571539232]
  本稿では,LiDARセンサのための新しいビュー合成手法を提案する。 スタイルトランスファーニューラルネットワークを用いた従来のモデルベースLiDARシミュレータは、新しいビューのレンダリングに応用できる。 ニューラル放射場(NeRF)を用いて幾何学と3D点の属性の連成学習を容易にする。
  論文  参考訳（メタデータ） (2023-04-20T15:44:37Z)
• Generative Range Imaging for Learning Scene Priors of 3D LiDAR Data [3.9447103367861542]
  本稿では,データレベルドメイン転送に適用可能なLiDARレンジ画像の生成モデルを提案する。 LiDAR測定がポイント・バイ・ポイント・レンジ・イメージングに基づくことから,暗黙的な画像表現に基づく生成対向ネットワークを訓練する。 本モデルの有効性と多様性を,ポイントベースおよびイメージベース・オブ・ザ・アーティファクト・ジェネレーティブ・モデルと比較した。
  論文  参考訳（メタデータ） (2022-10-21T06:08:39Z)
• 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)

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。