Fugu-MT 論文翻訳(概要): Learning to Suppress SPAD-based LiDAR Flare

論文の概要: Learning to Suppress SPAD-based LiDAR Flare

arxiv url: http://arxiv.org/abs/2607.03247v1
Date: Fri, 03 Jul 2026 12:03:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-07 22:26:29.565115
Title: Learning to Suppress SPAD-based LiDAR Flare
Title（参考訳）: SPADに基づくLiDARフレアの抑制学習
Abstract要約: 過剰なフォトンリターンや累積効果によって引き起こされるフレアは、不正確な深さの推定と点雲の誇張された境界につながる。既存のフレア緩和法は主にハードウェアや信号処理レベルで機能する。本稿では,第1と第2のエコーを扱う学習ベースアプローチであるLiDAR Flare(PILF)の物理的インフォームドセグメンテーションを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Single-Photon Avalanche Diode (SPAD)-based Light Detection and Ranging (LiDAR) is emerging for autonomous vehicles due to its high sensitivity and precise depth sensing capabilities. However, flare caused by excessive photon returns or pile-up effects can lead to incorrect depth estimation and exaggerated boundaries in point clouds, resulting in severe distortions of geometric measurements, making flare suppression essential for safety-critical applications. Existing flare mitigation methods primarily operate at the hardware or signal-processing levels. While effective under specific configurations, they are largely rule-based and configuration-dependent, lacking learnable representations that generalize across diverse sensing scenarios. In this work, we reformulate flare suppression as a semantic segmentation problem, enabling data-driven learning of geometric and photometric cues directly from SPAD measurements. We first benchmark representative segmentation models on the newly introduced SPAD flare dataset and observe that they struggle to exploit the intrinsic multi-echo characteristics of SPAD signals. Motivated by this observation, we propose Physically-Informed segmentation for LiDAR Flare (PILF), a learning-based approach that treats the first and second echoes, together with ambient illumination, as distinct modalities, aggregating cross-echo information while jointly encoding geometric and photometric features. Experiments across multiple real-world scenes demonstrate that PILF significantly outperforms compared segmentation models, achieving up to 79.32% mIoU, and providing an effective solution for SPAD-based LiDAR flare suppression.
Abstract（参考訳）: 単光雪崩ダイオード(SPAD)をベースとした光検出・追跡(LiDAR)は、高感度かつ高精度な深度検知機能により、自動運転車に出現している。しかし、過度の光子反射や累積効果によって引き起こされるフレアは、点雲における誤った深さ推定と過大な境界を導き、幾何学的測定の激しい歪みを招き、フレアの抑制は安全クリティカルな用途に不可欠である。既存のフレア緩和法は主にハードウェアや信号処理レベルで機能する。特定の構成では有効だが、主にルールベースで構成に依存しており、様々な感覚シナリオにまたがって一般化される学習可能な表現が欠如している。本研究では,意味的セグメンテーション問題としてフレア抑制を再構成し,SPAD測定から直接幾何学的および測光的キューのデータ駆動学習を可能にする。新たに導入されたSPADフレアデータセット上で,まず代表セグメンテーションモデルをベンチマークし,SPAD信号の固有マルチエコ特性の活用に苦慮していることを示す。本研究の目的は,第1エコーと第2エコーと環境照明を両立させる学習的アプローチであるLiDAR Flare(PILF)の物理インフォームドセグメンテーション(Physically-Informed segmentation for LiDAR Flare)を提案することである。複数の現実世界のシーンでの実験では、PILFはセグメンテーションモデルよりも著しく優れ、79.32% mIoUまで到達し、SPADベースのLiDARフレア抑制のための効果的なソリューションを提供する。

関連論文リスト

Illumination-Invariant Anomaly Detection for Sub-Canopy UAV Multispectral Point Clouds [9.838441127006734]
照明の変動を頑健に扱える事前自由な異常検出フレームワークを提案する。この枠組みは特に、カモフラージュされた軍事目標の特定、倒れた木の幹のマッピング、考古学的遺跡の発掘に適している。
論文参考訳（メタデータ） (2026-06-08T07:04:26Z)
Learning Latent Proxies for Controllable Single-Image Relighting [29.76860042350802]
シングルイメージのリライトは非常に制約の少ない。物理的プリエントを2つのレベルで統合するLightCtrlを導入する。また、大規模なオブジェクトレベルのデータセットであるScaLightも紹介します。
論文参考訳（メタデータ） (2026-03-16T17:16:59Z)
Shape from Polarization of Thermal Emission and Reflection [2.7317088388886384]
長波長赤外(LWIR)スペクトルにおける偏光の形状(SfP)技術を利用する。我々は、放射と反射の複合効果を明示的に考慮した偏極モデルを定式化した。我々はプロトタイプシステムを実装し、LWIR SfPのための最初の実世界のベンチマークデータセットであるThermoPolを開発した。
論文参考訳（メタデータ） (2025-06-23T00:33:17Z)
Towards Generalized Range-View LiDAR Segmentation in Adverse Weather [65.22588361803942]
我々は、厳しい天候下でのLiDARセグメンテーションの一般化に影響を及ぼす固有の課題を特定し、分析する。既存のモデルのコアアーキテクチャを変更することなく、ロバスト性を高めるモジュール式で軽量なフレームワークを提案する。提案手法は,推定オーバーヘッドを最小限に抑え,悪天候への一般化を著しく改善する。
論文参考訳（メタデータ） (2025-06-10T16:48:27Z)
FoveaSPAD: Exploiting Depth Priors for Adaptive and Efficient Single-Photon 3D Imaging [7.350208716861244]
単一光子アバランシェダイオード(SPAD)は、極度感度や時間分解能などの多くの利点を提供する新興のイメージセンシング技術である。本稿では,信号対雑音比(SNR)を向上し,計算とメモリ効率を向上させる新しいアルゴリズムとセンシングポリシーを提案する。
論文参考訳（メタデータ） (2024-12-03T00:20:01Z)
LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
論文参考訳（メタデータ） (2024-10-07T15:07:56Z)
Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
非視線画像(NLOS)は、その潜在的な応用により注目されている。既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
論文参考訳（メタデータ） (2024-09-21T04:39:45Z)
Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文参考訳（メタデータ） (2024-08-28T10:07:17Z)
Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文参考訳（メタデータ） (2023-08-31T04:58:17Z)
Illumination and Shadows in Head Rotation: experiments with Denoising Diffusion Models [0.0]
本研究は, 様々な照明条件下で連続的な頭部回転を表現できる魅力的な軌道を同定するために, 拡散モデルの遅延空間を探索する。我々の研究の重要な貢献は、CelebAデータセットから追加のラベルを生成し、一般的な照明方向に基づいて画像を3つのグループに分類することである。
論文参考訳（メタデータ） (2023-08-11T10:14:22Z)
Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文参考訳（メタデータ） (2021-03-22T18:06:58Z)

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。