論文の概要: PatchScene: Patch-based Voxel Diffusion for Large-Scale Scene Completion

• arxiv url: http://arxiv.org/abs/2606.03915v1
• Date: Tue, 02 Jun 2026 17:09:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.199665
• Title: PatchScene: Patch-based Voxel Diffusion for Large-Scale Scene Completion
• Title（参考訳）: PatchScene:大規模シーン補完のためのパッチベースボクセル拡散
• Authors: Qingdong Xu, Jiajun Zhu, Shilin Zhu, Xinjing He, Chao Lu, Huanran Wang, Jiyao Zhang,
• Abstract要約: パッチベースのボクセル拡散パラダイムは、局所化された3D領域内の微細な幾何学を生成する。 環状流拡散戦略は、近距離領域から遠距離領域までの高忠実度情報を伝播する。 20mのLiDARで訓練されたモデルは、リトレーニングなしで効果的に50mのシーンに到達した。
• 参考スコア（独自算出の注目度）: 10.832717557233854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose PatchScene, a novel diffusion-based framework for large-scale LiDAR scene completion. Unlike existing methods that rely on global latent representations or dense voxel grids, PatchScene adopts a patch-based voxel diffusion paradigm that explicitly generates fine-grained geometry within localized 3D regions. To ensure coherent reconstruction at both spatial and temporal scales, we introduce a confidence-guided spatio-temporal fusion mechanism that integrates overlapping patches and adjacent frames in a unified generative process. Furthermore, we design an Annular-Flow diffusion strategy that leverages the radial density pattern of LiDAR scans to progressively propagate high-fidelity information from near-range to far-range regions, enabling spatially unbounded scene completion. Extensive experiments on the SemanticKITTI benchmark demonstrate that PatchScene achieves state-of-the-art performance across all standard metrics, surpassing previous approaches in both geometric accuracy and temporal consistency. Remarkably, the model trained on 20 m LiDAR ranges generalizes effectively to 50 m scenes without retraining, highlighting its strong scalability and generalization capability for real-world autonomous driving applications.
• Abstract（参考訳）: 大規模LiDARシーン補完のための拡散型フレームワークであるPatchSceneを提案する。 グローバルな潜在表現や高密度なボクセルグリッドに依存する既存の方法とは異なり、PatchSceneはパッチベースのボクセル拡散パラダイムを採用し、局所化された3D領域内の微細な幾何学を明示的に生成する。 空間的, 時間的両スケールでコヒーレントな再構成を実現するため, 重なり合うパッチと隣接するフレームを統一的な生成プロセスに統合する信頼誘導時空間融合機構を導入する。 さらに、LiDARスキャンの放射密度パターンを利用して、近距離から遠距離までの高忠実度情報を段階的に伝播させ、空間的に非有界なシーン補完を可能にする環状フロー拡散戦略を設計する。 SemanticKITTIベンチマークの大規模な実験は、PatchSceneがすべての標準メトリクスの最先端のパフォーマンスを達成し、幾何学的精度と時間的一貫性の両方において以前のアプローチを上回ることを示した。 注目すべきは、20mのLiDARでトレーニングされたモデルは、リトレーニングなしで効果的に50mまでのシーンを一般化し、現実世界の自動運転アプリケーションのための強力なスケーラビリティと一般化能力を強調していることだ。

関連論文リスト

• Not All Points Are Equal: Uncertainty-Aware 4D LiDAR Scene Synthesis [63.07333625429548]
  我々は,空間不確実性を明確に活用し,LiDARシーン生成をガイドする新しいフレームワークであるU4Dを提案する。 nuScenesとSemantic KITTIの実験は、最先端のシーンの忠実さ、時間的一貫性、下流のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-06-01T17:24:14Z)
• Structure-Semantic Decoupled Modulation of Global Geospatial Embeddings for High-Resolution Remote Sensing Mapping [4.025673425380818]
  微細な高解像度リモートセンシングマッピングは通常、局所的な視覚的特徴に依存している。 本稿では,グローバルな表現をモーダル・インジェクション・パスに分離する構造意味分離変調フレームワークを提案する。 本手法は,既存の相互拡散法と比較して最先端の性能を実現する。
  論文  参考訳（メタデータ） (2026-04-21T15:42:34Z)
• RMGS-SLAM: Real-time Multi-sensor Gaussian Splatting SLAM [19.6725809458616]
  実時間ポーズ推定とマッピングのための密結合型LiDAR-Inertial-Visual 3DGSベースのSLAMフレームワークを提案する。 提案手法は, リアルタイムの効率, ローカライズ精度, レンダリング品質において, 様々な実世界のシーンにまたがる品質を実現する。
  論文  参考訳（メタデータ） (2026-04-14T16:36:11Z)
• From Blobs to Spokes: High-Fidelity Surface Reconstruction via Oriented Gaussians [36.88207476975372]
  3Dガウススプラッティングは高速なビュー合成に革命をもたらしたが、その不透明度に基づく定式化は表面抽出を困難にしている。 複雑なシーンの高度に正確な水密メッシュを抽出する方法を示す。 本手法はDTUとタンク・アンド・テンプルに新しい最先端のメッシュを配置し, 同時作業回収型薄型構造物のごく一部で水密メッシュを作製する。
  論文  参考訳（メタデータ） (2026-04-08T17:52:39Z)
• StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models [98.72926158261937]
  本稿では,Visual AutoRegressive モデルのためのトレーニングフリートークン解析フレームワークを提案する。 我々は局所的なテクスチャの詳細を捉えるために軽量なハイパスフィルタを使用し、グローバルな構造情報を保存するために主成分分析(PCA)を活用している。 スパーストークンの下で有効な次世代の予測を維持するために,近接した特徴伝達戦略を導入する。
  論文  参考訳（メタデータ） (2026-03-02T11:35:05Z)
• Event-based Visual Deformation Measurement [76.25283405575108]
  視覚的変形測定は、カメラ観測から表面の動きを追跡することによって、高密度な変形場を復元することを目的としている。 従来の画像ベースの手法は、対応検索空間を制限するため、最小限のフレーム間動作に依存している。 本研究では,時間的に密集した動きキューやフレームのイベントを利用して,空間的に密集した正確な推定を行うイベントフレーム融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-16T01:04:48Z)
• Towards Robust and Generalizable Continuous Space-Time Video Super-Resolution with Events [71.2439653098351]
  連続時空ビデオスーパーSTVSRは、高解像度で高フレームのビデオを任意の時間スケールで再構成する能力への関心が高まっている。 EvEnhancerは、イベントストリームにカプセル化された高時間および高ダイナミックレンジのユニークな特性を結合する新しいアプローチである。 提案手法は,OODスケールでの一般化性を維持しつつ,合成および実世界の両方のデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-10-04T15:23:07Z)
• MeshMosaic: Scaling Artist Mesh Generation via Local-to-Global Assembly [62.48017648785026]
  MeshMosaicは,100K以上の三角形にスケールするアーティストメッシュ生成のための,新たなローカル・グローバルなフレームワークである。 MeshMosaicは,幾何学的忠実度とユーザの好みの両方において,最先端の手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-09-24T11:02:03Z)
• Fast Monocular Scene Reconstruction with Global-Sparse Local-Dense Grids [84.90863397388776]
  本稿では,スパルス・ボクセル・ブロック・グリッドにおける署名付き距離関数(SDF)を直接使用して,距離のない高速かつ正確なシーン再構成を実現することを提案する。 我々の世界規模で疎密で局所的なデータ構造は、表面の空間的空間性を利用して、キャッシュフレンドリーなクエリを可能にし、マルチモーダルデータへの直接拡張を可能にします。 実験により、我々のアプローチはトレーニングでは10倍、レンダリングでは100倍高速であり、最先端のニューラル暗黙法に匹敵する精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2023-05-22T16:50:19Z)

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。