論文の概要: Semantic Occupancy Prediction with Dual Range-Voxel Representation

• arxiv url: http://arxiv.org/abs/2606.31688v1
• Date: Tue, 30 Jun 2026 14:01:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.244085
• Title: Semantic Occupancy Prediction with Dual Range-Voxel Representation
• Title（参考訳）: Dual Range-Voxel 表現を用いた意味的職業予測
• Abstract要約: LiDARに基づくセマンティック占有予測は、自動運転システムにとって不可欠である。 既存の方法は、密集した空間情報を得るために、しばしばマルチスウィープな点雲を積み重ねる。 本研究では, 単一スイート点雲の領域ビューコンテキストとボクセルビュー幾何を利用するDual Range-Voxel Representation (DRVR)を提案する。
• 参考スコア（独自算出の注目度）: 44.662942799652534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LiDAR-based 3D semantic occupancy prediction, which aims to provide accurate and comprehensive scene representation, is crucial for autonomous driving systems. As point clouds suffer from sparsity and incompleteness, leading to insufficient semantic learning and difficult occupancy perception, existing methods often stack multi-sweep point clouds to obtain dense spatial information. However, such a naive strategy also results in efficiency (e.g., additional computational burden) and robustness (e.g., pose transformation noise) concerns, which hinder their practical applications. In this work, we propose a Dual Range-Voxel Representation (DRVR) that leverages the range-view context and voxel-view geometry of single-sweep point clouds for 3D semantic occupancy prediction, eliminating the concerns associated with the multi-sweeps. Specifically, we use the range-view encoder to extract the compact context of the scene. To fully exploit the spatial information, we design a geometry-aware voxel-view encoder that extracts multi-scale voxel-view features separately and combines them for better geometric occupancy prediction. Moreover, we propose a range-voxel fusion module to cooperate range- and voxel-view features via voxel-to-range and range-to-voxel fusions. Extensive experiments on nuScenes-Occupancy, SemanticKITTI and SemanticPOSS show the superiority of our method. Especially on nuScenes-Occupancy, our single-sweep DRVR achieves 5.4% improvement in mIoU and 2.1x acceleration compared to the multi-sweep method.
• Abstract（参考訳）: LiDARベースの3Dセマンティック占有予測は、正確で包括的なシーン表現を提供することを目的としており、自動運転システムにとって不可欠である。 点雲は空間性や不完全性に悩まされ、セマンティックな学習が不十分で、占有が難しいため、既存の方法は密集した空間情報を得るために、しばしばマルチスウィープ点雲を積み重ねる。 しかし、このような単純な戦略は効率性(計算負荷の増大など)や頑健性(変換ノイズの出現など)にも影響し、現実的な応用を妨げている。 本研究では,Dual Range-Voxel Representation (DRVR) を提案し,マルチスウィープに関連する懸念を解消し,単一スウィープ点雲のレンジビューコンテキストとボクセルビュー幾何を利用して3次元セマンティック占有予測を行う。 具体的には、レンジビューエンコーダを用いてシーンのコンパクトなコンテキストを抽出する。 空間情報を完全に活用するために,マルチスケールのボクセルビュー特徴を別々に抽出し,それらを組み合わせて幾何学的占有率予測を行う幾何学的ボクセルビューエンコーダを設計する。 さらに,Voxel-to-range およびRange-to-voxel fusionsを用いて,レンジ・アンド・ボクセル・ビュー機能と連携するレンジ・ボクセル・フュージョン・モジュールを提案する。 nuScenes-Occupancy, SemanticKITTI, SemanticPOSSの広範囲な実験により, 本手法の優位性を示した。 特にnuScenes-Occupancyでは,mIoUの5.4%,mIoUの2.1倍の高速化を実現した。

関連論文リスト

• Multi-Resolution Alignment for Voxel Sparsity in Camera-Based 3D Semantic Scene Completion [52.959716866316604]
  カメラベースの3Dセマンティックシーン補完(SSC)は、周囲の3Dシーンにおける各ボクセルの幾何学的占有度と意味ラベルを画像入力で評価するためのコスト効率の良いソリューションを提供する。 既存の手法は、自律運転シナリオにおけるボクセルの大部分が空であるので、ボクセルの空間性という課題に直面している。 カメラを用いた3Dセマンティックシーン補完におけるボクセル空間の分散を緩和するために,textitMulti-Resolution Alignment (MRA) アプローチを提案する。
  論文  参考訳（メタデータ） (2026-02-03T10:46:51Z)
• MCOP: Multi-UAV Collaborative Occupancy Prediction [40.58729551462363]
  Current Bird's Eye View (BEV)ベースのアプローチには2つの大きな制限がある。 本稿では,複数UAV共同占有予測フレームワークを提案する。 提案手法は最先端の精度を達成し,既存の協調手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-10-14T16:17:42Z)
• PVNet: Point-Voxel Interaction LiDAR Scene Upsampling Via Diffusion Models [57.02789948234898]
  拡散モデルに基づく点-ボクセル相互作用フレームワークであるPVNetを提案する。 具体的には、スパース点雲を誘導条件とし、近くのフレームから得られた合成点雲を入力とする。 さらに,各アップサンプリング点の環境認識能力を効率よく向上する点とボクセルの両方の機能を統合する点とボクセルの相互作用モジュールを提案する。
  論文  参考訳（メタデータ） (2025-08-23T14:55:03Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Camera-based 3D Semantic Scene Completion with Sparse Guidance Network [18.415854443539786]
  本稿では,SGNと呼ばれるカメラベースのセマンティックシーン補完フレームワークを提案する。 SGNは空間幾何学的手がかりに基づいてセマンティック・アウェア・シード・ボクセルからシーン全体へのセマンティクスの伝播を行う。 実験の結果,既存の最先端手法よりもSGNの方が優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-10T04:17:27Z)
• PointOcc: Cylindrical Tri-Perspective View for Point-based 3D Semantic Occupancy Prediction [72.75478398447396]
  本稿では,点雲を効果的かつ包括的に表現する円筒型三重対視図を提案する。 また,LiDAR点雲の距離分布を考慮し,円筒座標系における三点ビューを構築した。 プロジェクション中に構造の詳細を維持するために空間群プーリングを使用し、各TPV平面を効率的に処理するために2次元バックボーンを採用する。
  論文  参考訳（メタデータ） (2023-08-31T17:57:17Z)
• Rethinking Range View Representation for LiDAR Segmentation [66.73116059734788]
  「多対一」マッピング、意味的不整合、形状変形は、射程射影からの効果的な学習に対する障害となる可能性がある。 RangeFormerは、ネットワークアーキテクチャ、データ拡張、後処理を含む新しい設計を含む、フルサイクルのフレームワークである。 比較対象のLiDARセマンティックスとパノプティックスセグメンテーションのベンチマークにおいて,初めてレンジビュー法が点,ボクセル,マルチビューフュージョンを越えられることを示す。
  論文  参考訳（メタデータ） (2023-03-09T16:13:27Z)
• RPVNet: A Deep and Efficient Range-Point-Voxel Fusion Network for LiDAR Point Cloud Segmentation [28.494690309193068]
  RPVNetと呼ばれる、新しいレンジポイント・ボクセル融合ネットワークを提案する。 このネットワークでは,これら3つの視点を相互に相互に相互作用する深層融合フレームワークを考案する。 この効率的な相互作用と比較的低いボクセル解像度を利用することで、より効率的であることが証明された。
  論文  参考訳（メタデータ） (2021-03-24T04:24:12Z)

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。