論文の概要: Sparse-LiDAR Prompting of Monocular Geometry Foundations: An Empirical Study Toward Long-Range Driving Depth

• arxiv url: http://arxiv.org/abs/2605.26456v1
• Date: Tue, 26 May 2026 02:12:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.574776
• Title: Sparse-LiDAR Prompting of Monocular Geometry Foundations: An Empirical Study Toward Long-Range Driving Depth
• Title（参考訳）: 単分子形状基礎のスパースLiDARプロンプト:長距離走行深度に関する実証的研究
• Authors: Kai Zheng, Qiang Feng, Xingjian Liu, Wenquan Tan, Yuan Li,
• Abstract要約: 真に疎いLiDAR入力を受け入れるMoGe-2の最初の適応であるSLIMを提案する。 Virtual KITTIとCARLAでは、SLIMはMoGe-2ベースラインの絶対誤差を100-150mで約39-51%削減する。
• 参考スコア（独自算出の注目度）: 10.469394868633234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sparse-LiDAR-prompted depth foundation models (PromptDA, Prior Depth Anything, DMD3C) have shown strong results on indoor scenes or within KITTI's standard 80-meter evaluation cap. However, two limitations remain: (i) systematic distance-stratified evaluation in long-range driving regimes (50-150 m) is largely absent; (ii) prior approaches built on disparity-based foundations rely on pre-interpolated dense priors, leaving truly sparse LiDAR injection on point-map foundations (e.g., MoGe-2, NeurIPS 2025) unexplored. We present SLIM (Sparse-LiDAR Injected Monocular geometry), the first adaptation of MoGe-2 to accept truly sparse LiDAR input. SLIM integrates a partial-convolution sparse encoder with a multi-scale fusion neck that fuses LiDAR features into the point-map decoder at five scales. We adopt density-agnostic training (random injection ratio in [0.005, 0.30]) so a single model serves diverse input densities. On Virtual KITTI and CARLA, SLIM reduces the absolute relative error of the MoGe-2 baseline by approximately 39-51% at 100-150 m. Ablation across six injection ratios shows partial-convolution injection improves both AbsRel and RMSE on Virtual KITTI in all six settings; on CARLA, AbsRel improves in five of six settings (one near-tie at 0.015 differs by 0.0013), and RMSE is comparable across encoders, with partial-convolution improving in three settings (by up to 0.31 unit) and losing by at most 0.11 unit in the other three.
• Abstract（参考訳）: Sparse-LiDAR-prompted depth foundation model (PromptDA, Prior Depth Anything, DMD3C) は、屋内シーンやKITTIの標準80メートル評価キャップ内で強い結果を示した。 しかし、以下の2つの制限がある。 (i)長距離運転体制(50～150m)における系統的距離成層評価は、ほとんど欠落している。 (II) 差分に基づく基礎の上に構築された先行アプローチは、事前に補間された密接な先行手法に依存し、点マップの基礎(例えば、MoGe-2、NeurIPS 2025)に真にスパースなLiDAR注入を未探索のまま残している。 SLIM(Sparse-LiDAR Injected Monocular geometry, Sparse-LiDAR Injected Monocular geometry, SLIM)について述べる。 SLIMは部分畳み込みスパースエンコーダとマルチスケールフュージョンネックを統合し、5スケールでLiDAR機能をポイントマップデコーダに融合させる。 我々は密度非依存トレーニング([0.005, 0.30]のランダム注入比)を採用し、単一のモデルが多様な入力密度を提供する。 Virtual KITTIとCARLAでは、SLIMはMoGe-2ベースラインの絶対相対誤差を100-150mで約39-51%削減する。 CARLAでは、AbsRelは6つの設定のうち5つで改善され(0.0013と0.015の近点差)、RMSEはエンコーダで同等であり、3つの設定(最大0.31単位)で部分畳み込みが改善され、他の3つの設定では0.11単位が低下している。

関連論文リスト

• D2-V2X: Depth-Driven Cooperative V2X Reasoning for Autonomous Driving [10.860896159477264]
  D2-V2Xは,空間認識型質問応答(QRA)ベンチマークで8500個の三重項を特徴とする。 構造化された出力に先立って、自然言語のリコール合理性を強制することにより、我々のモデルは空間的関係を明確に表現せざるを得ない。 このモデルではF1スコアを53.5の関数的に決定するが、3次元から2次元の投影を現在のVLMアーキテクチャの基本的なボトルネックとみなす。
  論文  参考訳（メタデータ） (2026-05-22T18:05:10Z)
• MolmoAct2: Action Reasoning Models for Real-world Deployment [67.6315757474802]
  MolmoAct2は、実用的なデプロイメントのために構築された、完全にオープンなアクション推論モデルである。 空間的および具体的推論に特化した VLM バックボーンである MolmoER を紹介する。 低コストプラットフォームにまたがる3つの新しいデータセットをリリースする。
  論文  参考訳（メタデータ） (2026-05-04T17:51:21Z)
• Shower-Aware Dual-Stream Voxel Networks for Structural Defect Detection in Cosmic-Ray Muon Tomography [3.8929279518915862]
  鉄筋コンクリート中の構造欠陥のボクセルレベルセグメンテーションのための3次元畳み込み構造であるSA-DSVNを提案する。 散乱キネマティクス (9チャンネル) と二次電磁シャワー (40チャンネル) を, クロスアテンションにより融合した独立エンコーダストリームにより処理する。 60の独立にシミュレーションされた検証ボリュームでは、このモデルは96.3%のボクセル精度、欠陥ごとのDiceスコア0.59-0.81、ボリュームあたり10msの推論で100%のボリュームレベルの検出感度を達成している。
  論文  参考訳（メタデータ） (2026-04-04T14:04:39Z)
• Less is More in Semantic Space: Intrinsic Decoupling via Clifford-M for Fundus Image Classification [13.23226865033351]
  フィードフォワード展開と周波数分割モジュールを疎幾何学的相互作用で置き換える軽量バックボーンであるClifford-Mを提案する。 プリトレーニングなしでは、Clifford-M は平均 AUC-ROC が 0.8142 で、平均マクロF1 が 0.5481 で、ODIR-5K は 0.85M のパラメータしか持たない。
  論文  参考訳（メタデータ） (2026-03-21T13:00:05Z)
• Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
  本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
  論文  参考訳（メタデータ） (2026-02-03T23:38:05Z)
• LiNeXt: Revisiting LiDAR Completion with Efficient Non-Diffusion Architectures [52.59993476989728]
  LiNeXtは、高速で正確なポイントクラウド補完に最適化された軽量で非拡散ネットワークである。 LiNeXtは推論の199.8倍の高速化を実現し、チャンファー距離を50.7%削減し、LiDiffと比較してパラメータの6.1%しか使用していない。
  論文  参考訳（メタデータ） (2025-11-13T11:28:18Z)
• LiDAR-VGGT: Cross-Modal Coarse-to-Fine Fusion for Globally Consistent and Metric-Scale Dense Mapping [19.77609066194095]
  大規模で色のついた雲を再構築することは、ロボット工学において重要なタスクであり、知覚、ナビゲーション、シーン理解をサポートする。 We propose LiDAR-VGGT, a novel framework that a LiDAR inertial odometry with the State-of-the-art VGGT model through a two-stage coarse-to-fine fusion pipeline。 複数のデータセットにわたる実験により、LiDAR-VGGTは密度が高く、一貫した色の点雲を達成し、VGGTベースの方法とLIVOベースラインの両方を上回ります。
  論文  参考訳（メタデータ） (2025-11-03T03:24:28Z)
• DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking [50.038098341549095]
  状態推定は、高い操作性を持つ3次元物体追跡において困難である。 本稿では,各方向の異なる動きモデルから推定される推定を効果的に組み合わせる新しいフレームワークであるDIMMを提案する。 DIMMは既存の状態推定手法のトラッキング精度を31.61%99.23%向上させる。
  論文  参考訳（メタデータ） (2025-05-18T10:12:41Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)

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。