論文の概要: Neural LiDAR Bundle Adjustment

• arxiv url: http://arxiv.org/abs/2607.04169v1
• Date: Sun, 05 Jul 2026 08:16:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.845468
• Title: Neural LiDAR Bundle Adjustment
• Title（参考訳）: ニューラルLiDARバンドル調整
• Authors: Chin Yung Anson Hon, Kaicheng Zhang, Sen Wang,
• Abstract要約: 我々は,LiDAR NeRFにおいて,体積サンプリングの密度が重要な役割を果たすことを示す理論的証拠と経験的証拠の両方を提供する。 本稿では,LiDAR の効率的な体積サンプリングを応用したニューラルLiDARバンドリング調整法を提案する。
• 参考スコア（独自算出の注目度）: 7.6048400091257
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent research has achieved remarkable novel view rendering and scene reconstruction results with Neural Radiance Field (NeRF), including extensions to the LiDAR modality. Few studies have, however, explored the key design differences between RGB NeRFs and LiDAR NeRFs, particularly considering their underlying working principles. In this work, we provide both theoretical and empirical evidence suggesting that the density of volume sampling plays a significant role in LiDAR NeRF. Based on this finding, we propose a novel Neural LiDAR Bundle Adjustment (NeLD-BA) algorithm, which is tailored using efficient volume sampling of LiDAR rays for joint optimization of LiDAR map and poses. Extensive experiments are performed using the Newer College and FusionPortable datasets to demonstrate the proposed NeLD-BA's state-of-the-art performance in multi-view point cloud registration and 3D mapping. We will open-source our code for the community.
• Abstract（参考訳）: 近年の研究では、LiDARモダリティの拡張を含むニューラル・ラジアンス・フィールド(Neural Radiance Field、NeRF)による、目覚ましいビューレンダリングとシーン再構築の結果が達成されている。 しかし、RGB NeRFとLiDAR NeRFの主な設計上の違い、特に基礎となる動作原理を考察する研究はほとんどない。 本研究では,LiDAR NeRFにおいて,体積サンプリングの密度が重要な役割を果たすことを示す理論的証拠と経験的証拠の両方を提供する。 そこで本研究では,LiDARマップとポーズの協調最適化のために,LiDARの効率的なボリュームサンプリングを用いて調整した新しいNeural LiDAR Bundle Adjustment (NeLD-BA)アルゴリズムを提案する。 Newer CollegeとFusionPortableのデータセットを使用して、多視点クラウド登録と3Dマッピングで提案されたNeLD-BAの最先端性能を実証するために、大規模な実験が行われた。 私たちはコミュニティのためにコードをオープンソースにします。

関連論文リスト

• LiDAR-GS++:Improving LiDAR Gaussian Reconstruction via Diffusion Priors [51.724649822336346]
  実時間および高忠実度再シミュレーションのための拡散前処理により強化された再構成手法であるLiDAR-GS++を提案する。 具体的には、粗い外挿レンダリングを条件とした制御可能なLiDAR生成モデルを導入し、余分な幾何整合性スキャンを生成する。 再構成を未適合領域にまで拡張することにより,外挿的視点に対するグローバルな幾何整合性を確保することができる。
  論文  参考訳（メタデータ） (2025-11-15T17:33:12Z)
• 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)
• LiDAR-NeRF: Novel LiDAR View Synthesis via Neural Radiance Fields [112.62936571539232]
  本稿では,LiDARセンサのための新しいビュー合成手法を提案する。 スタイルトランスファーニューラルネットワークを用いた従来のモデルベースLiDARシミュレータは、新しいビューのレンダリングに応用できる。 ニューラル放射場(NeRF)を用いて幾何学と3D点の属性の連成学習を容易にする。
  論文  参考訳（メタデータ） (2023-04-20T15:44:37Z)

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。