論文の概要: The Road Ahead in Autonomous Driving: The KITScenes Multimodal Dataset

• arxiv url: http://arxiv.org/abs/2606.02956v1
• Date: Mon, 01 Jun 2026 23:23:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.638146
• Title: The Road Ahead in Autonomous Driving: The KITScenes Multimodal Dataset
• Title（参考訳）: 自動運転車の先駆け:KITScenes Multimodal Dataset
• Authors: Richard Schwarzkopf, Fabian Immel, Alexander Blumberg, Jonas Merkert, Nils Rack, Kaiwen Wang, Fabian Konstantinidis, Julian Truetsch, Carlos Fernandez, Annika Bätz, Kevin Rösch, Marlon Steiner, Willi Poh, Yinzhe Shen, Royden Wagner, Felix Hauser, Dominik Strutz, Jaime Villa, Gleb Stepanov, Holger Caesar, Ömer Şahin Taş, Frank Bieder, Jan-Hendrik Pauls, Christoph Stiller,
• Abstract要約: KITScenes Multimodalは、高忠実度センサーとマップを中心に構築されたヨーロッパのデータセットである。 当社のHDマップは,オープンソースソフトウェア上での自動運転試験を通じて検証されたセンサデータセットの中で,最も完全なものです。 パブリックデータセットで初めて、交通信号などの運転関連トラフィック要素はすべて、3Dで再投射精度の高いレベルにマッピングされる。
• 参考スコア（独自算出の注目度）: 40.9969354835513
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing autonomous driving datasets have enabled major progress, but fall short in sensor fidelity, map completeness, or geographic diversity. We present KITScenes Multimodal, a European dataset built around high-fidelity sensors and maps. Our fully synchronized sensor suite combines high-resolution global-shutter cameras, long-range lidar beyond 400m, 4D imaging radar, and redundant GNSS/INS localization. Our HD maps are, to our knowledge, the most complete of any sensor dataset, validated through autonomous driving trials on open-source software. For the first time in a public dataset, all driving-relevant traffic elements, such as traffic lights, are mapped in 3D to a reprojection-accurate level with full topological connectivity. Recorded in cities with irregular street layouts and mixed traffic modes, our dataset complements existing datasets by broadening the available geographic diversity. We also introduce four benchmarks, each advancing spatial learning for embodied AI: online HD map construction, long-range depth estimation, novel view synthesis, and end-to-end driving. Project page: https://kitscenes.com/
• Abstract（参考訳）: 既存の自律走行データセットは大きな進歩を遂げているが、センサーの忠実度、地図の完全性、地理的多様性に乏しい。 KITScenes Multimodalは、高忠実度センサとマップを中心に構築されたヨーロッパのデータセットである。 私たちの完全同期センサースイートには、高解像度のグローバルシャッターカメラ、400mを超える長距離ライダー、4Dイメージングレーダー、冗長なGNSS/INSローカライゼーションが組み込まれています。 当社のHDマップは、私たちの知る限り、あらゆるセンサーデータセットの中で最も完全なもので、オープンソースのソフトウェア上での自動運転試験を通じて検証されています。 パブリックデータセットで初めて、交通信号などの運転関連トラフィック要素はすべて、完全なトポロジカル接続を備えた再投影-正確なレベルに3Dでマッピングされる。 不規則な道路レイアウトと混在する交通モードを持つ都市で記録されたデータセットは、利用可能な地理的多様性を広げることで、既存のデータセットを補完する。 オンラインHDマップ構築、長距離深度推定、新しいビュー合成、エンドツーエンド駆動の4つのベンチマークも導入した。 プロジェクトページ: https://kitscenes.com/

関連論文リスト

• OmniHD-Scenes: A Next-Generation Multimodal Dataset for Autonomous Driving [6.426389871517664]
  高品質なデータセットは、効率的なデータ駆動自律運転ソリューションの開発に不可欠である。 OmniHD-Scenesは大規模なマルチモーダルデータセットであり、全方位全方位高精細データを提供する。 データセットは1501のクリップで構成され、それぞれ約30秒の長さで、合計450K以上の同期フレームと585万以上の同期センサーデータポイントで構成されている。
  論文  参考訳（メタデータ） (2024-12-14T08:08:40Z)
• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• HoloVIC: Large-scale Dataset and Benchmark for Multi-Sensor Holographic Intersection and Vehicle-Infrastructure Cooperative [23.293162454592544]
  複数レイアウトのホログラフィック交差点を構築し,HoloVICと呼ばれる大規模多センサのホログラフィック車両・赤外線協調データセットを構築した。 私たちのデータセットには3種類のセンサー(Camera, Lidar, Fisheye)が含まれています。
  論文  参考訳（メタデータ） (2024-03-05T04:08:19Z)
• Argoverse 2: Next Generation Datasets for Self-Driving Perception and Forecasting [64.7364925689825]
  Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。 Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。 Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
  論文  参考訳（メタデータ） (2023-01-02T00:36:22Z)
• IDD-3D: Indian Driving Dataset for 3D Unstructured Road Scenes [79.18349050238413]
  デプロイ可能なディープラーニングアーキテクチャの準備とトレーニングには、さまざまなトラフィックシナリオに適したモデルが必要である。 インドなどいくつかの発展途上国で見られる非構造的で複雑な運転レイアウトは、これらのモデルに挑戦している。 我々は、複数のカメラと12kの注釈付き駆動LiDARフレームを備えたLiDARセンサーのマルチモーダルデータからなる新しいデータセットIDD-3Dを構築した。
  論文  参考訳（メタデータ） (2022-10-23T23:03:17Z)
• 4Seasons: A Cross-Season Dataset for Multi-Weather SLAM in Autonomous Driving [43.09957836757648]
  本稿では,自律運転における季節的・挑戦的な知覚条件をカバーする新しいデータセットを提案する。 その中には、視覚計測、グローバルな位置認識、マップベースの再位置追跡などが含まれる。
  論文  参考訳（メタデータ） (2020-09-14T12:31:20Z)

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。