論文の概要: PointDiffusion: Diffusion-Based Scene Completion in the Point Cloud Domain

• arxiv url: http://arxiv.org/abs/2606.16048v1
• Date: Sun, 14 Jun 2026 22:36:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 18:36:05.004081
• Title: PointDiffusion: Diffusion-Based Scene Completion in the Point Cloud Domain
• Title（参考訳）: PointDiffusion: Point Cloud Domainにおける拡散ベースのシーン補完
• Abstract要約: 疎いLiDAR点雲から密集した3Dシーンを再構築することは、自動運転における根本的な課題である。 既存のアプローチは、屋外スケールで不安定なグローバル表現に崩壊するオブジェクトレベルのオートエンコーダに依存している。 安定なシーンスケールLiDAR圧縮のためのクロスアテンションプーリングを用いたマルチトークンガウスVAEを提案する。
• 参考スコア（独自算出の注目度）: 1.7511853008573073
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing dense 3D scenes from sparse LiDAR point clouds is a fundamental challenge in autonomous driving, where latent diffusion models offer a promising solution. However, existing approaches rely on object-level autoencoders that collapse into unstable global representations at outdoor scale and suffer from ground truth data corrupted by odometry drift that systematically degrades supervision quality. Furthermore, multi-step diffusion inference incurs prohibitive latency for real-time deployment. We propose a novel multi-token Gaussian VAE with cross-attention pooling for stable scene-scale LiDAR compression, combined with an anchor-based ICP ground truth refinement pipeline that eliminates drift-induced noise from training supervision. Together, these components enable a scaffold-free single-step diffusion completion model that achieves an approximately 16x reduction in squared Chamfer distance on SemanticKITTI seq. 08 (0.396 m^2 to 0.024 m^2), surpasses LiDiff and ScoreLiDAR by 17-19% and 10-11%, respectively, and operates at 25-143x lower inference latency. Our results demonstrate that data quality dominates model design in this regime and that multi-token latent spaces provide a stable first stage for latent diffusion-based scene completion.
• Abstract（参考訳）: 疎いLiDAR点雲から密集した3Dシーンを再構築することは、潜在拡散モデルが有望なソリューションを提供する自動運転の基本的な課題である。 しかし、既存のアプローチは、屋外スケールで不安定なグローバル表現に崩壊するオブジェクトレベルのオートエンコーダに依存しており、オドメトリードリフトによって崩壊した地上の真実データに悩まされ、監督品質を体系的に低下させる。 さらに、マルチステップ拡散推論はリアルタイムデプロイメントの遅延を禁止します。 本稿では,安定したシーンスケールのLiDAR圧縮のためのクロスアテンションプーリングと,ドリフト誘起ノイズを学習指導から除去するアンカーベースICP地上真実改善パイプラインを提案する。 これらのコンポーネントは、SemanticKITTI seq上の2乗Chamfer距離の約16倍の縮小を実現する、足場のない単一ステップ拡散完了モデルを可能にする。 08 (0.396 m^2 から 0.024 m^2) で,それぞれ LiDiff と ScoreLiDAR を 17-19%,ScoreLiDAR を 10-11% で上回り,25-143 倍低い推論遅延で動作する。 以上の結果から,本方式ではデータ品質がモデル設計を優位に立っており,多点遅延空間は遅延拡散に基づくシーン完成のための安定な第1段階を提供することが示された。

関連論文リスト

• PeLAP-A: Adaptive Latent Pruning for Lightweight Latent Diffusion Models [0.0]
  PeLAP-A(Adaptive Latent Pruning for Diffusion)は、標準的な潜伏拡散パイプラインを学習可能なチャネルワイドな予測器で拡張する軽量フレームワークである。 アグレッシブなスパシティ規則化の下では、重要予測器は全ての潜伏チャネルをほぼゼロに駆動するが、デノナイズされたUNetは拡散損失を低くする。 これらの知見は、潜伏拡散訓練におけるスパーシティダイナミクスの探索的研究であり、潜伏流路抑制に対してかなり頑健であることを示すものである。
  論文  参考訳（メタデータ） (2026-06-22T09:33:19Z)
• Spectrally Regularized Latent Flow Matching for Turbulence Generation [0.0]
  本稿では,スペクトル正規化圧縮ステージを備えた潜在フローマッチングフレームワークを提案する。 Re_f Approx 2250の2562 DNSデータセットでは、MSEで訓練されたVAEをゾーン重み付き対数スペクトルの目的に置き換えることで、スペクトルパワーが深い。 改良された潜在表現はまた、コスト-忠実性のトレードオフを著しく改善する。
  論文  参考訳（メタデータ） (2026-06-10T06:09:51Z)
• Continuous-Time Distribution Matching for Few-Step Diffusion Distillation [57.28746398500951]
  本稿では,CDM(Continuous-Time Distribution Matching)を導入し,DMDフレームワークを個別アンカーから連続最適化へ移行する。 まず、固定離散スケジュールをランダム長の動的連続スケジュールに置き換える。 第二に、学生の速度場を介して外挿された潜伏者に対してアクティブな軌道外マッチングを行う連続時間アライメント目的を提案する。
  論文  参考訳（メタデータ） (2026-05-07T14:56:39Z)
• ZID-Net: Zero-Inference Diffusion Prior Decoupling Network for Single Image Dehazing [10.634107398163676]
  単一画像のデハージングは、回復品質と計算効率のトレードオフによって制約されることが多い。 ZID-Netは、フィードフォワード推論から拡散監視を明示的に分離する新しいフレームワークである。 ZID-Netは、合成RESIDEデータセット上で40.75dBのPSNRを達成し、実世界のデータセットで1.13dBのゲインで既存のメソッドを上回ります。
  論文  参考訳（メタデータ） (2026-04-26T13:44:25Z)
• MISTY: High-Throughput Motion Planning via Mixer-based Single-step Drifting [19.16655963423315]
  MISTYは、純粋な単一ステップ推論で最先端のクローズドループを実現するジェネレーティブモーションプランナーである。 我々は、複雑な進化をトレーニングフェーズにシフトさせる潜在空間の漂流損失を導入する。 MISTYは99FPS以上で動作し、エンドツーエンドのレイテンシは10.1msである。
  論文  参考訳（メタデータ） (2026-04-23T09:50:34Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• 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)
• DiffusionNFT: Online Diffusion Reinforcement with Forward Process [99.94852379720153]
  Diffusion Negative-aware FineTuning (DiffusionNFT) は、フローマッチングを通じて前方プロセス上で直接拡散モデルを最適化する新しいオンラインRLパラダイムである。 DiffusionNFTは、CFGフリーのFlowGRPOよりも25倍効率が高い。
  論文  参考訳（メタデータ） (2025-09-19T16:09:33Z)
• Improving Vector-Quantized Image Modeling with Latent Consistency-Matching Diffusion [55.185588994883226]
  VQ-LCMDは、学習を安定させる埋め込み空間内の連続空間潜在拡散フレームワークである。 VQ-LCMDは、関節埋め込み拡散変動下界と整合整合性(CM)損失を組み合わせた新しいトレーニング目標を使用する。 実験により,提案したVQ-LCMDは離散状態潜伏拡散モデルと比較して,FFHQ,LSUN教会,LSUNベッドルームにおいて優れた結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-10-18T09:12:33Z)
• CCD-3DR: Consistent Conditioning in Diffusion for Single-Image 3D Reconstruction [81.98244738773766]
  本稿では,一貫した局所的特徴条件付けのために,新しい集中拡散確率モデルを利用するCDD-3DRを提案する。 CCD-3DRは、40%以上の改善を伴い、全ての競合より大きなマージンを達成している。
  論文  参考訳（メタデータ） (2023-08-15T15:27:42Z)

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。