論文の概要: MTD-Map: Single-Stage Long-Term LiDAR Map Maintenance Framework via Mixture Transition Distribution

• arxiv url: http://arxiv.org/abs/2606.29469v1
• Date: Sun, 28 Jun 2026 15:56:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.934261
• Title: MTD-Map: Single-Stage Long-Term LiDAR Map Maintenance Framework via Mixture Transition Distribution
• Title（参考訳）: MTD-Map:混合遷移分布を用いた1段階長期LiDARマップ保守フレームワーク
• Authors: TaeYoung Kim, Gilhwan Kang, Tae Ihn Kim, Seungwon Song, Hun Keon Ko,
• Abstract要約: MTD-Mapは、動的オブジェクト削除と変更検出の両方を、個別のタスク固有のモジュールなしで処理するシングルステージフレームワークである。 MTD-Mapは、占有遷移の方向と持続時間をコンパクトに符号化する明示的な表現を用いる。 MTD-Mapは動的オブジェクトを頑健に除去し、競合的な変化検出性能を実現する。
• 参考スコア（独自算出の注目度）: 8.288938392697814
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While robust map maintenance has advanced significantly, existing studies have focused on specific tasks, especially dynamic object removal or change detection. In this paper, we take a holistic view of the map maintenance problem and propose MTD-Map, a single-stage framework that handles both dynamic object removal and change detection without separate task-specific modules. MTD-Map employs an explicit representation that compactly encodes the direction and duration of occupancy transitions through Mixture Transition Distribution (MTD) modeling. We develop a recursive MTD formulation that encodes historical occupancy patterns into an augmented state to capture high-order temporal dependencies. Furthermore, a stability-driven adaptive strategy balances noise suppression with the preservation of quasi-static structures. Extensive experiments verify that MTD-Map robustly removes dynamic objects and achieves competitive change detection performance, subsequently reducing computational costs. Our project page is available at: https://taeyoung96.github.io/mtd_map/.
• Abstract（参考訳）: 地図の保守は著しく進歩しているが、既存の研究は特定のタスク、特に動的物体の除去や変化検出に重点を置いている。 本稿では,地図保守問題の全体像を考察し,動的オブジェクト除去と変更検出の両方を個別のタスク固有のモジュールなしで処理する単一ステージフレームワークMTD-Mapを提案する。 MTD-Mapは、Mixture Transition Distribution (MTD) モデリングを通じて、占有遷移の方向と持続時間をコンパクトに符号化する明示的な表現を用いる。 高次時間依存性を捉えるために,歴史的占有パターンを拡張状態に符号化する再帰的MTD定式化を開発する。 さらに、安定性駆動適応戦略は、準定常構造の保存とノイズ抑制のバランスをとる。 MTD-Mapは動的オブジェクトを頑健に除去し、競合的な変化検出性能を実現し、計算コストを低減させる。 私たちのプロジェクトページは、https://taeyoung96.github.io/mtd_map/.com/で公開されています。

関連論文リスト

• OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives [111.69010751405368]
  オフラインベクトル化マップは、高精度の自動運転およびマッピングサービスの重要な基盤となっている。 既存のアプローチは、基本的に視点の不十分さに苦しむ1つのエゴ車軌道に大きく依存している。 本稿では,これらの課題に体系的に対処するために,多車種対応マップを選択型ヒューズ問題として再構成するOptiMVMapを提案する。
  論文  参考訳（メタデータ） (2026-04-18T20:23:27Z)
• MambaMap: Online Vectorized HD Map Construction using State Space Model [11.15033113060733]
  MambaMapは、オンラインベクター化されたHDマップを構築するために、状態空間の長い時間的特徴を効率的に融合する新しいフレームワークである。 具体的には、MambaMapにはメモリバンクが組み込まれており、過去のフレームから情報を保存して活用している。 さらに,BEVとインスタンスレベルの特徴抽出を強化するために,革新的な多方向・時空間走査方式を設計する。
  論文  参考訳（メタデータ） (2025-07-27T11:09:27Z)
• RTMap: Real-Time Recursive Mapping with Change Detection and Localization [8.343318095882232]
  RTMapは、自己進化メモリとして、マルチトラバースHDマップを継続的にクラウドソーシングする。 オンボードエージェントでは、RTMapはエンドツーエンドの方法で、同時に3つのコア課題に対処する。 いくつかの公道自動運転データセットの実験は、事前支援された地図の品質と位置決め精度の両方において、我々の確固たる性能を実証している。
  論文  参考訳（メタデータ） (2025-07-01T17:32:30Z)
• Fast Monte Carlo Tree Diffusion: 100x Speedup via Parallel Sparse Planning [63.07406294571171]
  最近提案されたモンテカルロ木拡散(MCTD)は,木に基づく探索と拡散を組み合わせて,有望な解を提供する。 Fast-MCTDは、遅延ツリー更新と冗長性認識による並列ロールアウトを可能にするParallel MCTDと、軌道粗大化によるロールアウト長の削減を行うSparse MCTDの2つの技術を統合する。 実験により、Fast-MCTDは標準MCTDよりも最大100倍の高速化を実現し、計画性能を維持または改善した。
  論文  参考訳（メタデータ） (2025-06-11T08:17:40Z)
• ADMap: Anti-disturbance framework for reconstructing online vectorized HD map [9.218463154577616]
  本稿では, 反ゆらぎマップ再構築フレームワーク (ADMap) を提案する。 点次ジッタを緩和するため、このフレームワークは、マルチスケール知覚ネック、インスタンスインタラクティブアテンション(IIA)、ベクトル方向差損失(VDDL)の3つのモジュールで構成されている。
  論文  参考訳（メタデータ） (2024-01-24T01:37:27Z)
• Contrastive Learning for Multi-Object Tracking with Transformers [79.61791059432558]
  我々は、DETRをインスタンスレベルのコントラスト損失を用いてMOTモデルに変換する方法を示す。 本手法では,検出能力を維持しながらオブジェクトの外観を学習し,オーバーヘッドを少なく抑える。 そのパフォーマンスは、BDD100Kデータセットにおいて、以前の最先端の+2.6 mMOTAを上回っている。
  論文  参考訳（メタデータ） (2023-11-14T10:07:52Z)

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。