論文の概要: HSDF-Lane: Height-Aligned Signed Distance Field with Semantic Lane Prior for 3D Lane Detection

• arxiv url: http://arxiv.org/abs/2606.31172v1
• Date: Tue, 30 Jun 2026 06:02:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.091507
• Title: HSDF-Lane: Height-Aligned Signed Distance Field with Semantic Lane Prior for 3D Lane Detection
• Title（参考訳）: HSDFレーン:3次元レーン検出に先立ってセマンティックレーンを用いた高配向符号距離場
• Abstract要約: 本研究では,道路表面を高密度な3次元特徴量より高配位符号距離場(HSDF)として暗黙的にモデル化するHSDF-Laneを提案する。 HSDF-Laneは3次元車線検出と高さマップ推定の両方において最先端の性能を達成する。
• 参考スコア（独自算出の注目度）: 42.418429168532406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monocular 3D lane detection plays a critical role in autonomous driving, yet recovering reliable 3D geometry from a single image remains challenging due to inherent depth ambiguity. Prior methods project image features into Bird's-Eye-View (BEV) space under a flat-ground assumption, causing geometric distortion on real-world roads. Recent methods instead predict explicit height maps to capture non-planar surfaces, but still rely on sparse anchor-based regression and exploit the recovered geometry merely for spatial transformation rather than semantic understanding. To overcome these limitations, we propose HSDF-Lane, which implicitly models the road surface as a Height-aligned Signed Distance Field (HSDF) over a densely sampled 3D feature volume. Through differentiable rendering, the HSDF jointly produces an accurate height map and surface-aligned features. We further introduce Lane-aware Semantic Positional Encoding (LSPE), which injects a lane-existence prior derived from the surface-aligned features into the transformer queries, coupling geometric structure with semantic guidance. Extensive experiments on the OpenLane benchmark show that HSDF-Lane achieves state-of-the-art performance in both 3D lane detection and height map estimation.
• Abstract（参考訳）: 単眼の3次元車線検出は自律走行において重要な役割を担っているが、単一の画像から信頼性の高い3次元形状を復元することは、固有の深さの曖昧さのために依然として困難である。 以前の手法では、平面的な仮定の下でバード・アイビュー(BEV)空間に画像の特徴を投影し、現実世界の道路に幾何的歪みを引き起こした。 近年の手法では、非平面面を捉えるための明示的な高さ写像を予測しているが、いまだ疎いアンカーベースの回帰に頼っており、復元された幾何学を意味的理解よりも空間変換に活用している。 これらの制約を克服するため,高密度な3次元特徴量に対して道路表面をHSDF(Height-aligned Signed Distance Field)として暗黙的にモデル化するHSDF-Laneを提案する。 異なるレンダリングにより、HSDFは正確な高さマップと表面を整列した特徴を共同で生成する。 さらに,Lane-aware Semantic Positional Encoding (LSPE) を導入し,表面整列特徴から導出されるレーンの存在をトランスフォーマクエリに注入し,幾何学構造と意味指導を結合する。 OpenLane ベンチマークの大規模な実験により,HSDF-Lane は3次元車線検出と高さマップ推定の両方において最先端の性能を達成することが示された。

関連論文リスト

• Surfsvr: 2D Surface Priors as 3D Geometric Regularizers for Sparse Voxel Reconstruction [56.51413081953813]
  SurfSVRは2次元表面の先行を明示的な3次元幾何正規化器として扱う新しいスパースボクセル再構成パラダイムである。 鮮明なボクセルの再現は、視認性と幾何学的特性が著しく異なる場面で一貫して改善される。
  論文  参考訳（メタデータ） (2026-08-12T11:25:31Z)
• Height-Guided Projection Reparameterization for Camera-LiDAR Occupancy [19.450674475241353]
  HiPRはHeight-Guided Projection Reパラメータ化を備えたカメラLiDAR占有フレームワークである。 HiPRは、リアルタイム推論を維持しながら、既存の最先端メソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2026-05-06T16:09:13Z)
• SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
  UAV VLNのための幾何学誘導空間表現フレームワークを提案する。 明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。 実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-22T03:56:58Z)
• Robust Mesh Saliency GT Acquisition in VR via View Cone Sampling and Geometric Smoothing [59.12032628787018]
  バーチャルリアリティー(VR)における人中心視覚モデリングには3次元メッシュサリエンシ基底真理が不可欠である 現在のVRアイトラッキングパイプラインは、単一線サンプリングとユークリッドのスムース化に依存しており、テクスチャの注意を喚起し、ギャップをまたいだ信号の漏洩を引き起こす。 本稿では,これらの制約に対処する頑健な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-06T05:20:12Z)
• FreqPDE: Rethinking Positional Depth Embedding for Multi-View 3D Object Detection Transformers [91.59069344768858]
  周波数対応位置深度埋め込み (FreqPDE) を導入し, 空間情報と2次元画像特徴を付加して3次元検出変換器デコーダを提案する。 FreqPDEは2D画像特徴と3D位置埋め込みを組み合わせることで、クエリデコーディングのための3D深度認識機能を生成する。
  論文  参考訳（メタデータ） (2025-10-17T07:36:54Z)
• Implicit 3D scene reconstruction using deep learning towards efficient collision understanding in autonomous driving [0.0]
  本研究では,LiDARデータとディープニューラルネットワークを利用して静的符号付き距離関数(SDF)マップを構築する学習型3Dシーン再構築手法を開発した。 予備実験の結果,衝突検出性能は特に混雑・動環境において著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-06-18T18:42:04Z)
• HeightLane: BEV Heightmap guided 3D Lane Detection [6.940660861207046]
  単分子画像からの正確な3次元車線検出は、深さのあいまいさと不完全な地盤モデリングによる重要な課題を示す。 本研究は,マルチスロープ仮定に基づいてアンカーを作成することにより,単眼画像から高さマップを予測する革新的な手法であるHeightLaneを紹介する。 HeightLaneは、Fスコアの観点から最先端のパフォーマンスを実現し、現実世界のアプリケーションにおけるその可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-15T17:14:57Z)
• LaneCPP: Continuous 3D Lane Detection using Physical Priors [45.52331418900137]
  レーンCPPは、車線構造と道路形状に関する物理的事前知識を活用する連続した3次元車線検出モデルを用いる。 コントリビューションのメリットを示し、3次元車線検出をより堅牢にするための事前利用の意義を実証する。
  論文  参考訳（メタデータ） (2024-06-12T16:31:06Z)
• LATR: 3D Lane Detection from Monocular Images with Transformer [42.34193673590758]
  単眼画像からの3次元車線検出は、自動運転の基本的な課題である。 最近の進歩は、前面画像の特徴とカメラパラメータから構築された構造的な3Dサロゲートに依存している。 本稿では, 3D-aware front-view機能を用いた3次元車線検出システムであるLATRモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-08T21:08:42Z)
• Learning Anchored Unsigned Distance Functions with Gradient Direction Alignment for Single-view Garment Reconstruction [92.23666036481399]
  本稿では,1枚の画像から3次元衣料品を復元するための,学習可能なアンコレットアンサイン距離関数 (AnchorUDF) 表現を提案する。 AnchorUDFは符号のない距離場(UDF)を予測して3次元形状を表現し、任意の解像度でオープンな衣服表面モデリングを可能にする。
  論文  参考訳（メタデータ） (2021-08-19T03:45:38Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。