Fugu-MT 論文翻訳(概要): Fast and Accurate Outlier-Aware LiDAR Super-Resolution for SLAM Applications

論文の概要: Fast and Accurate Outlier-Aware LiDAR Super-Resolution for SLAM Applications

arxiv url: http://arxiv.org/abs/2606.28607v1
Date: Fri, 26 Jun 2026 20:55:16 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 18:07:15.617852
Title: Fast and Accurate Outlier-Aware LiDAR Super-Resolution for SLAM Applications
Title（参考訳）: SLAM用高速かつ高精度なLiDAR超解法
Abstract要約: この研究は、新しいDeep Unrolling-based Super-Resolution (SR)モデルにより、SLAMアプリケーションのための低解像度LiDARセンサーの強化に取り組む。我々は,リアルタイム性能を維持しつつ,構造的整合性を確保するために,外乱除去モジュールを統合した。
参考スコア（独自算出の注目度）: 44.52509159724941
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work tackles the challenge of enhancing low-resolution LiDAR sensors for SLAM applications through a novel Deep Unrolling-based Super-Resolution (SR) model. We integrate an outlier removal module to ensure structural integrity while maintaining real-time performance. By leveraging a model-based optimization approach, our method efficiently reconstructs high-resolution point clouds while minimizing computational overhead. The proposed SR model is evaluated within a LiDAR SLAM framework, demonstrating significant improvements in pose estimation accuracy and efficiency compared to state-of-the-art SR methods.
Abstract（参考訳）: この研究は、新しいDeep Unrolling-based Super-Resolution (SR)モデルにより、SLAMアプリケーションのための低解像度LiDARセンサーの強化に取り組む。我々は,リアルタイム性能を維持しつつ,構造的整合性を確保するために,外乱除去モジュールを統合した。モデルに基づく最適化手法を利用して,計算オーバーヘッドを最小限に抑えながら高解像度の点雲を効率的に再構成する。提案したSRモデルはLiDAR SLAMフレームワーク内で評価され,現状のSR手法と比較してポーズ推定精度と効率が大幅に向上した。

関連論文リスト

MeanSR: Restoration Trajectory Learning for One-Step Perceptual Super-Resolution [50.60539317126614]
MeanSRはLR条件の平均速度場を学習し、ノイズ入力から可算HR出力への有限時間遷移を直接キャプチャする。実験の結果、MeanSRはCLIPIQA、MUSIQ、MANIQAでCTMSRより優れており、FLOPと推論遅延を大幅に低減していることがわかった。
論文参考訳（メタデータ） (2026-08-10T10:33:18Z)
SlimDiffSR: Toward Lightweight and Efficient Remote Sensing Image Super-Resolution via Diffusion Model Distillation [10.518150741228862]
SlimDiffSRは、現実世界のリモートセンシング画像の超高解像度化のための軽量で効率的な拡散ベースのフレームワークである。推論アクセラレーションは最大200ドル、モデルパラメータはマルチステップの拡散モデルと比較して20ドルまで削減できる。
論文参考訳（メタデータ） (2026-05-04T03:54:54Z)
Your Super Resolution Model is not Enough for Tackling Real-World Scenarios [2.101267270902429]
本稿では,任意の規模のSRを動作させる機能を備えた,最新の固定スケールSRモデルに適合する,SAAM (Scale-Aware Attention Module) を提案する。 SAAMは軽量でスケール適応的な特徴抽出とアップサンプリングを採用し、効率的なガイダンスと勾配分散損失にSimpleパラメータフリーアテンションモジュール(SimAM)を組み込んでいる。提案手法は,複数の最先端SRバックボーンにシームレスに統合され,幅広い整数および非整数スケール因子の競合や優れた性能を実現する。
論文参考訳（メタデータ） (2025-09-08T07:13:58Z)
Reward-Guided Speculative Decoding for Efficient LLM Reasoning [80.55186052123196]
Reward-Guided Speculative Decoding (RSD)は,大規模言語モデル(LLM)における推論の効率向上を目的とした新しいフレームワークである。 RSDは、厳密な偏りを強制する既存の投機的復号法とは対照的に、制御されたバイアスをハイリワード出力の優先順位付けに取り入れている。 RSDは,対象モデルのみでの復号化に対して,高い効率向上を実現し,並列復号法よりも高い精度を実現している。
論文参考訳（メタデータ） (2025-01-31T17:19:57Z)
Degradation-Guided One-Step Image Super-Resolution with Diffusion Priors [75.24313405671433]
拡散に基づく画像超解像法 (SR) は、事前訓練された大規模なテキスト・画像拡散モデルを先行として活用することにより、顕著な成功を収めた。本稿では,拡散型SR手法の効率問題に対処する新しい一段階SRモデルを提案する。既存の微調整戦略とは異なり、SR専用の劣化誘導低ランク適応 (LoRA) モジュールを設計した。
論文参考訳（メタデータ） (2024-09-25T16:15:21Z)
Efficient Single Image Super-Resolution with Entropy Attention and Receptive Field Augmentation [34.50541063621832]
本稿では,新しいエントロピーアテンション(EA)とシフトする大きなカーネルアテンション(SLKA)からなる,効率的な単一画像超解像(SISR)モデルを提案する。 EAはガウス分布で条件付けられた中間特徴のエントロピーを増大させ、その後の推論に対してより情報的な入力を提供する。 SLKAは、チャネルシフトの助けを借りてSRモデルの受容領域を拡張し、階層的特徴の多様性を高めることを好む。
論文参考訳（メタデータ） (2024-08-08T02:03:10Z)
Unsupervised Alternating Optimization for Blind Hyperspectral Imagery Super-resolution [40.350308926790255]
本稿では, 盲点HSI融合問題に対処するために, 盲点HSI SR法を提案する。本稿ではまず,デジェネレーションモデルを推定し,遅延画像の再構成を行うために,逐次最適化に基づく深層フレームワークを提案する。そして,ネットワークを事前学習するメタラーニングに基づく機構が提案され,ネットワークの速度と一般化能力を効果的に向上させることができる。
論文参考訳（メタデータ） (2020-12-03T07:52:32Z)
Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文参考訳（メタデータ） (2020-11-02T18:02:26Z)
Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文参考訳（メタデータ） (2020-05-25T01:42:55Z)

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。