Fugu-MT 論文翻訳(概要): MVDGC: Joint 3D and 2D Multi-view Pedestrian Detection via Dual Geometric Constraints

論文の概要: MVDGC: Joint 3D and 2D Multi-view Pedestrian Detection via Dual Geometric Constraints

arxiv url: http://arxiv.org/abs/2607.00273v1
Date: Tue, 30 Jun 2026 23:39:38 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-02 19:56:07.663099
Title: MVDGC: Joint 3D and 2D Multi-view Pedestrian Detection via Dual Geometric Constraints
Title（参考訳）: MVDGC:Dual Geometric Constraintsによる3次元および2次元多視点歩行者検出
Abstract要約: 画像ビューにおけるBEV平面上の歩行者位置と2次元境界ボックスを推定する統合フレームワークを提案する。 MVDGCは、BEVと画像ビューの両方で幾何学的コンテキストを受け入れる3D円筒型クエリのエムスパースセットを採用している。これらのクエリは形状アンカーとして機能し、カメラプロジェクションを使用して静止画像から直接2D特徴を抽出する。
参考スコア（独自算出の注目度）: 11.583454260842524
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The core challenge in multi-view pedestrian detection (MVPD) lies in effective aggregation of visual features from different viewpoints for robust occlusion reasoning. Recent approaches have addressed this by first projecting image-view features onto a Bird's Eye View (BEV) map, where ground localization is then performed. Despite impressive performance, the perspective transformation induces severe distortion, causing spatial structure break and degrading the quality of object feature extraction. The blurred and ambiguous features hinder accurate BEV point localization, especially in densely populated regions. Moreover, the strong mutual relationship between the BEV ground point and image bounding boxes is not capitalized on. Although multi-view consistency of 2D detections can serve as a powerful constraint in BEV space, these detections are commonly treated as auxiliary signals rather than being jointly optimized with the primary task.In this work, we propose \textbf{MVDGC}, a unified framework that \emph{jointly estimates pedestrian locations on the BEV plane and 2D bounding boxes in image views}. MVDGC employs a \emph{sparse set of 3D cylindrical queries} that embraces geometric context across both BEV and image views, enforcing dual spatial constraints for precise localization. Specifically, the geometric constraints is established by modeling each pedestrian as a vertical cylinder whose center lies on the BEV plane and whose projection casts a rectangular box in the image views. These queries function as shape anchors that directly extract 2D features from the intact image-view features using camera projection, eliminating projection-induced distortions. The 3D cylindrical query enables the unification of BEV and ImV localization into a single task: 3D cylinder position and shape refinement. Code is available at: https://github.com/UARK-AICV/MVDGC
Abstract（参考訳）: 多視点歩行者検出(MVPD)における中核的な課題は、頑健な閉塞推論のために異なる視点から視覚的特徴を効果的に集約することにある。近年のアプローチでは、画像ビュー機能をBird's Eye View (BEV)マップに投影し、そこで地上のローカライゼーションを行う。優れた性能にもかかわらず、視点変換は激しい歪みを誘発し、空間構造が破壊され、物体の特徴抽出の品質が低下する。ぼやけた不明瞭な特徴は、特に人口密度の高い地域では、正確なBEV点定位を妨げている。さらに、BEV接地点と画像バウンディングボックスとの強い相互関係は、大文字化されない。本稿では,BEV平面上の歩行者位置と画像ビューにおける2次元境界ボックスを同時推定する統合フレームワークである「textbf{MVDGC}」を提案する。 MVDGCは、BEVと画像ビューの両方に幾何学的コンテキストを取り入れた3次元円筒型クエリのemph{sparseセットを採用しており、正確な位置決めのために2つの空間制約を課している。具体的には、各歩行者を、中央がBEV平面上にあり、投影が画像ビューに長方形の箱を投げる垂直円筒としてモデル化することにより、幾何学的制約を確立する。これらのクエリは形状アンカーとして機能し、カメラ投影による投影誘起歪みを排除し、無傷の画像ビュー特徴から直接2D特徴を抽出する。 3Dシリンダークエリにより、BEVとImVのローカライゼーションを1つのタスク、すなわち3Dシリンダーの位置と形状の洗練にまとめることができる。コードは、https://github.com/UARK-AICV/MVDGCで入手できる。

関連論文リスト

Open-Vocabulary BEV Segmentation with 3D-Aware Geometric Constraints [20.26519299938903]
オープンボキャブラリBEVセグメンテーション(OVBS)を導入し、トレーニングセットを超えてカテゴリを認識する。 OVBEVSegはジオメトリを意識したOVBSフレームワークであり、効率的なガウススプラッティング(GS)ベースのアンプロジェクションを強化する。 nuScenesデータセットでは、OVBEVSegは最先端のパフォーマンスを達成し、未確認のカテゴリで15.3 mIoUのクローズドセットメソッドよりも優れています。
論文参考訳（メタデータ） (2026-06-23T09:43:12Z)
Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
論文参考訳（メタデータ） (2026-04-02T08:08:41Z)
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)
Reconstruction Matters: Learning Geometry-Aligned BEV Representation through 3D Gaussian Splatting [24.49684091836623]
Splat2BEVは、意味的にリッチで幾何学的に正確なBEV特徴表現を学習することを目的としている。 nuScenesとargoverseデータセットの実験は、Splat2BEVが最先端のパフォーマンスを達成することを示した。
論文参考訳（メタデータ） (2026-03-19T17:49:43Z)
GeoBEV: Learning Geometric BEV Representation for Multi-view 3D Object Detection [36.245654685143016]
Bird's-Eye-View (BEV)表現は、マルチビュー3Dオブジェクト検出の主流パラダイムとして登場した。既存の方法では、BEV表現の幾何学的品質を見落とし、低分解能状態に置かれている。我々は高分解能高密度BEV表現を生成するためにラジアル・カルテシアンBEVサンプリング(RC-Sampling)を提案する。 In-Box Labelとともに、Centroid-Aware Inner Loss (CAI Loss) が開発され、物体の内部幾何学構造を捉えている。
論文参考訳（メタデータ） (2024-09-03T11:57:36Z)
BEV-IO: Enhancing Bird's-Eye-View 3D Detection with Instance Occupancy [58.92659367605442]
我々は,BEV表現をインスタンス占有情報で拡張する新しい3次元検出パラダイムであるBEV-IOを提案する。 BEV-IOは、パラメータや計算オーバーヘッドの無視できる増加しか加えず、最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2023-05-26T11:16:12Z)
Geometric-aware Pretraining for Vision-centric 3D Object Detection [77.7979088689944]
GAPretrainと呼ばれる新しい幾何学的事前学習フレームワークを提案する。 GAPretrainは、複数の最先端検出器に柔軟に適用可能なプラグアンドプレイソリューションとして機能する。 BEVFormer法を用いて, nuScenes val の 46.2 mAP と 55.5 NDS を実現し, それぞれ 2.7 と 2.1 点を得た。
論文参考訳（メタデータ） (2023-04-06T14:33:05Z)
FrustumFormer: Adaptive Instance-aware Resampling for Multi-view 3D Detection [47.6570523164125]
我々はFrustumFormerという新しいフレームワークを提案し、適応型インスタンス認識再サンプリングを通じてインスタンス領域の機能により多くの注意を払っている。 nuScenesデータセットの実験は、FrustumFormerの有効性を示し、ベンチマークで新しい最先端性能を実現する。
論文参考訳（メタデータ） (2023-01-10T17:51:55Z)
GitNet: Geometric Prior-based Transformation for Birds-Eye-View Segmentation [105.19949897812494]
Birds-eye-view (BEV) セマンティックセマンティックセグメンテーションは自動運転に不可欠である。本稿では,GitNetという新しい2段階のGeometry Preside-based Transformationフレームワークを提案する。
論文参考訳（メタデータ） (2022-04-16T06:46:45Z)
M^2BEV: Multi-Camera Joint 3D Detection and Segmentation with Unified Birds-Eye View Representation [145.6041893646006]
M$2$BEVは3Dオブジェクトの検出とマップのセグメンテーションを共同で行う統合フレームワークである。 M$2$BEVは、両方のタスクを統一モデルで推論し、効率を向上する。
論文参考訳（メタデータ） (2022-04-11T13:43:25Z)
Bird's-Eye-View Panoptic Segmentation Using Monocular Frontal View Images [4.449481309681663]
本研究では,Bird's-Eye-View (BEV) マップにおいて,高密度パノプティックセグメンテーションマップを直接予測するエンド・ツー・エンドの学習手法を提案する。私たちのアーキテクチャはトップダウンパラダイムに従っており、新しい高密度トランスモジュールを組み込んでいます。我々は、FV-BEV変換の感度を数学的に定式化し、BEV空間のピクセルをインテリジェントに重み付けすることができる。
論文参考訳（メタデータ） (2021-08-06T17:59:11Z)

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。