論文の概要: Dash2Sim: Closed-Loop Driving Simulation from in-the-wild Dashcam Videos

• arxiv url: http://arxiv.org/abs/2606.07366v1
• Date: Fri, 05 Jun 2026 15:09:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.808875
• Title: Dash2Sim: Closed-Loop Driving Simulation from in-the-wild Dashcam Videos
• Title（参考訳）: Dash2Sim:Wild Dashcamビデオのクローズドループ運転シミュレーション
• Authors: Anurag Ghosh, Francesco Pittaluga, Khiem Vuong, Angela Chen, Juan Alvarez-Padilla, Manmohan Chandraker, Srinivasa Narasimhan,
• Abstract要約: Dash2Simは、既存のシミュレーターと互換性のある、測度の高い4Dドライビングログに変換するフレームワークだ。 そこで,Dash2Simにより回収された深度は,知覚測定値において19%の新規ビュー合成品質を向上することを示した。
• 参考スコア（独自算出の注目度）: 51.46430520173442
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-driving simulations typically rely on data collected in a small number of cities or on hand-authored synthetic scenarios. Dashcam videos cover a far broader range of locations and situations, including rare or long-tailed scenarios. They are considered less usable for simulation because it is difficult to recover accurate 4D scenes from monocular in-the-wild videos. Work zones are one such class of long-tailed situations that dashcams capture. We present Dash2Sim, a framework that turns in-the-wild monocular dashcam videos into metric, geo-referenced 4D driving logs compatible with existing simulators, and verifies eachone against an independently maintained map without annotations. We apply Dash2Sim to a large video corpus to create the ROADWork4D benchmark dataset, which spans 4,244 scenes with 2.7M 3D objects across 17 cities. On a verified subset ROADWork4D-CL (2,201 scenes), we study privileged closed-loop planners and find that work zone scenarios are difficult: while rule-based and hybrid planners generalize better than learning-based ones, all fall short, failing to make the lane changes that temporary work zone channels require. Beyond planning, dense depth recovered by Dash2Sim improves novel-view synthesis quality by up to 19% on perceptual metrics, suggesting its potential to provide rich conditioning for closed-loop sensor simulation from monocular videos.
• Abstract（参考訳）: 自動運転シミュレーションは通常、少数の都市で収集されたデータや、手書きの合成シナリオに依存する。 ダッシュカムビデオは、稀なシナリオや長いシナリオを含む、より広い範囲の場所と状況をカバーする。 単眼で撮影した映像から正確な4Dシーンを再現することは困難であるため,シミュレーションにはあまり役に立たないと考えられる。 ワークゾーンは、ダッシュカムがキャプチャする長い尾の状況の1つです。 Dash2Simは、既存のシミュレータと互換性のあるジオレファレンスな4Dドライビングログを計測し、アノテーションなしで独立して保守されたマップに対して検証するフレームワークである。 Dash2Simを大規模なビデオコーパスに適用して,ROADWork4Dベンチマークデータセットを作成する。 ROADWork4D-CL (2,201のシーン)では、特権付きクローズドループプランナを調査し、ワークゾーンのシナリオが難しいことを発見した。 計画の他に、Dash2Simによって回収された密集した深度は、知覚的メトリクスで19%の新規ビュー合成品質を改善し、モノクロビデオからクローズドループセンサーシミュレーションにリッチな条件付けを提供する可能性を示唆している。

関連論文リスト

• Evaluating Video Models as Simulators of Multi-Person Pedestrian Trajectories [1.2676356746752893]
  歩行者動態の暗黙的シミュレータとして,テキスト・トゥ・ビデオ(T2V)と画像・トゥ・ビデオ(I2V)モデルをベンチマークした。 キーコンポーネントは、カメラパラメータを知らない画素空間から2Dの鳥眼視線を再構成する方法である。
  論文  参考訳（メタデータ） (2025-10-23T04:06:58Z)
• RoundaboutHD: High-Resolution Real-World Urban Environment Benchmark for Multi-Camera Vehicle Tracking [2.1947594726633324]
  RoundaboutHDは高解像度のマルチカメラ車両追跡ベンチマークデータセットである。 時間的一貫性のあるビデオ映像と、課題の強化を提供する。 車両検出、単一カメラ追跡、画像に基づく車両再識別、マルチカメラ追跡のためのベースライン結果を提供する。
  論文  参考訳（メタデータ） (2025-07-11T16:30:27Z)
• DrivingRecon: Large 4D Gaussian Reconstruction Model For Autonomous Driving [83.27075316161086]
  光リアルな4次元ストリートシーンの再構築は、自動運転における実環境シミュレータの開発に不可欠である。 本稿では,汎用的な運転シーン再構築モデルであるLarge 4D Gaussian Reconstruction Model (DrivingRecon)を紹介する。 ドライビングレコンは既存の手法に比べてシーンの再現性や新しいビュー合成を著しく向上させる。
  論文  参考訳（メタデータ） (2024-12-12T08:10:31Z)
• Stag-1: Towards Realistic 4D Driving Simulation with Video Generation Model [83.31688383891871]
  本稿では,現実世界のシーンを再現するために,DrivinG(Stag-1)モデルのための空間-テンポラル・シミュレートを提案する。 Stag-1は、自動運転車のサラウンドビューデータを使用して、連続した4Dポイントのクラウドシーンを構築する。 空間的時間的関係を分離し、コヒーレントな運転ビデオを生成する。
  論文  参考訳（メタデータ） (2024-12-06T18:59:56Z)
• DrivingSphere: Building a High-fidelity 4D World for Closed-loop Simulation [54.02069690134526]
  本研究では,現実的でクローズドループなシミュレーションフレームワークであるDrivingSphereを提案する。 その中核となる考え方は、4Dの世界表現を構築し、実生活と制御可能な運転シナリオを生成することである。 動的で現実的なシミュレーション環境を提供することで、DrivingSphereは自律運転アルゴリズムの包括的なテストと検証を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T03:00:33Z)
• UniSim: A Neural Closed-Loop Sensor Simulator [76.79818601389992]
  センサ搭載車両によって記録された1つのログをキャプチャする、ニューラルネットワークシミュレータUniSimを提示する。 UniSimは、静的バックグラウンドと動的アクターの両方を再構築するために、ニューラルネットワーク機能グリッドを構築する。 動的オブジェクトの学習可能な事前情報を組み込んで、畳み込みネットワークを利用して未確認領域を完成させる。
  論文  参考訳（メタデータ） (2023-08-03T17:56:06Z)

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。