論文の概要: ECO: Incremental Ego-Centric Octree Update for Point Streams
- arxiv url: http://arxiv.org/abs/2607.05092v1
- Date: Mon, 06 Jul 2026 13:52:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:30.167495
- Title: ECO: Incremental Ego-Centric Octree Update for Point Streams
- Title（参考訳）: ECO: ポイントストリームのインクリメンタルEgo-Centric Octreeアップデート
- Abstract要約: 本稿では,3次元スライディングウィンドウとして機能する空間データ構造であるEgo-Centric Octree (ECO)を紹介する。
ECOは、完全な静的再構築と比較して、更新時間を25.60%(平均24.87%)削減している。
また、ECOはダウンストリームタスクのシステム全体のレイテンシを大幅に低減し、完全な再構築よりも34.17%高速であることを示す。
- 参考スコア（独自算出の注目度）: 3.044887242295643
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Constructing octrees for mobile robots that process continuous point streams in real time poses significant computational and memory challenges. Standard global structures often suffer from high latency and unbalanced tree growth. We introduce the Ego-Centric Octree (ECO), a spatial data structure that acts as a 3D sliding window, dynamically bounding the mapping space to the robot's immediate surroundings. ECO uses an efficient incremental update algorithm that categorizes the environment into shift-out, shift-in, and overlap regions, eliminating redundant global coordinate transformations. Evaluations on the KITTI benchmark demonstrate that ECO reduces update times by up to 25.60% (24.87% on average) compared to full static reconstruction and by up to 67.52% (54.60% on average) compared to a bounded incremental baseline. Furthermore, ECO substantially lowers the total system latency of downstream tasks, running up to 34.17% faster than full reconstruction in voxel-map generation. In dynamic scenes, ECO naturally retains a short-term temporal memory of moving objects, providing useful temporal context while keeping update cost bounded and the tree balanced for real-time spatial perception.
- Abstract（参考訳）: 連続点ストリームをリアルタイムで処理する移動ロボットのためのオクツリーの構築は、計算とメモリに重大な課題をもたらす。
標準的なグローバルな構造は、しばしば高いレイテンシと不均衡な木の成長に悩まされる。
Ego-Centric Octree (ECO)は3次元スライディングウインドウとして機能する空間データ構造であり,ロボットの直近の環境にマッピング空間を動的に束縛する。
ECOは効率的なインクリメンタルアップデートアルゴリズムを使用して、環境をシフトアウト、シフトイン、重複領域に分類し、冗長なグローバル座標変換を排除する。
KITTIベンチマークによる評価では、ECOはフル静的再構築と比較して25.60%(平均24.87%)、リクリメンタルベースラインに比べて最大67.52%(平均54.60%)の更新時間を削減している。
さらに、ECOは、下流タスクのシステム全体の遅延を著しく減少させ、ボクセルマップ生成の完全な再構築よりも34.17%高速に動作させる。
動的シーンでは、ECOは移動物体の短期的時間記憶を自然に保持し、更新コストとリアルタイム空間知覚のバランスを保ちながら、有用な時間的コンテキストを提供する。
関連論文リスト
- Beyond Global Latents: Chunk-Based Sparse Grid VAE for Scalable 3D Modeling [30.640147037595572]
ChunkVAEは、グローバルな潜在ボリュームではなく、局所的なチャンクを中心に構成されたスパースグリッド変分自動エンコーダである。
下流で必要なグローバルインターフェースを維持しながら,局所圧縮が幾何を拡張可能であることを示す。
論文 参考訳（メタデータ） (2026-08-03T10:15:30Z) - ImprovedVBGS: Real-time Continual Variational Bayes Gaussian Splatting [0.0]
変分ベイズ・ガウス・スプラッティング(VBGS)は、コーディネート・アセント変分推論(CAVI)を用いてバッファを再生することなく連続的な学習を可能にする
VBGSは、厳格なメモリとレイテンシを必要とするリアルタイム使用には遅すぎる。
InprovedVBGS, a accelerated framework for on-the-fly continual reconstruction。
論文 参考訳（メタデータ） (2026-07-17T01:24:25Z) - MotionMAR: Multi-scale Auto-Regressive Human Motion Reconstruction from Sparse Observations [51.837372131319285]
MotionMARは、スパース観測からの運動再構成のためのフレームワークである。
まず、人間の動きのグローバルな軌跡を推定し、時間的詳細を徐々に洗練する。
MotionMARは、AMASSデータセット上で最先端の精度を達成する。
論文 参考訳（メタデータ） (2026-06-22T08:15:56Z) - LiAuto-GeoX: Efficient Grounded Driving Transformer [54.23823436153608]
デプロイ可能なエゴ中心の3Dシーン理解のための効率的な基底駆動トランスフォーマである textbfLiAuto-GeoX を提案する。
textbfLiAuto-GeoX は KITTI 上で 220 FPS で動作し,高忠実度高密度化を保ち,リアルタイムな展開を実現している。
論文 参考訳（メタデータ） (2026-06-04T06:58:44Z) - PECMAN: Perception-enabled Collaborative Multi-Agent Navigation in Unknown Environments [0.6372261626436676]
我々はSMART-3Dを未知の環境で認識可能な協調マルチエージェントナビゲーション(PECMAN)に拡張する。
PECMANは、各エージェントが環境変化に反応し、それぞれのツリーを変形して、その経路を計画する、分散ツリーモルファスと共有認識戦略に基づいて構築される。
PECMANはチーム補完時間を最大52%削減し、100%近い成功率を維持している。
論文 参考訳（メタデータ） (2026-05-10T05:44:48Z) - SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。
本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
論文 参考訳（メタデータ） (2026-03-16T02:55:14Z) - HybridSOMSpikeNet: A Deep Model with Differentiable Soft Self-Organizing Maps and Spiking Dynamics for Waste Classification [0.7734726150561086]
リサイクル可能な材料のミスクラス化は、埋立地の蓄積、非効率なリサイクル、温室効果ガスの排出の増加に寄与する。
本研究では、畳み込み特徴抽出、微分可能な自己組織化、スパイキングにインスパイアされた時間処理を統合したハイブリッドディープラーニングフレームワークであるHybridSOMSpikeNetを紹介する。
論文 参考訳（メタデータ） (2025-10-23T15:47:09Z) - EntroPE: Entropy-Guided Dynamic Patch Encoder for Time Series Forecasting [50.794700596484894]
IntroPE(Entropy-Guided Dynamic Patch)は,条件付きエントロピーによる遷移点を動的に検出する新しい時間情報フレームワークである。
これは、パッチの計算上の利点を維持しながら、時間構造を保存する。
長期予測ベンチマークによる実験では、EntroPEは精度と効率の両方を改善している。
論文 参考訳（メタデータ） (2025-09-30T12:09:56Z) - EraRAG: Efficient and Incremental Retrieval Augmented Generation for Growing Corpora [20.890240791042302]
グラフベースのRetrieval-Augmented Generation (Graph-RAG)は、外部コーパス上の検索を構造化することにより、大きな言語モデル(LLM)を強化する。
高速でスケーラブルな動的更新をサポートする新しい多層グラフ-RAGフレームワークであるEraRAGを紹介する。
提案手法は,超平面に基づく局所性感性ハッシュ(LSH)を利用して,元のコーパスを階層グラフ構造に分割,整理する。
論文 参考訳（メタデータ） (2025-06-26T03:01:33Z) - Self-Balancing, Memory Efficient, Dynamic Metric Space Data Maintenance, for Rapid Multi-Kernel Estimation [2.6756996523251964]
本稿では,進化する距離空間における効率的な近傍維持を可能にする,動的自己分散オクツリーデータ構造を提案する。
我々の手法は、特に高次元空間において、精度を維持しながら指数的なスピードアップをもたらす。
論文 参考訳（メタデータ） (2025-04-25T01:15:53Z) - Ecomap: Sustainability-Driven Optimization of Multi-Tenant DNN Execution on Edge Servers [0.44784055850794474]
本稿では,実時間炭素強度に基づいてエッジデバイスの最大出力閾値を調整するフレームワークであるEcomapを紹介する。
NVIDIA Jetson AGX Xavierを用いた実験の結果、Ecomapは二酸化炭素排出量を平均30%削減することが示された。
論文 参考訳（メタデータ） (2025-03-06T06:56:51Z) - Driv3R: Learning Dense 4D Reconstruction for Autonomous Driving [116.10577967146762]
マルチビュー画像シーケンスからフレーム単位のポイントマップを直接回帰するフレームワークであるDriv3Rを提案する。
我々は4次元フロー予測器を用いてシーン内の移動物体を識別し、これらの動的領域の再構築をより重視する。
Driv3Rは4D動的シーン再構築において従来のフレームワークより優れており、推論速度は15倍高速である。
論文 参考訳（メタデータ） (2024-12-09T18:58:03Z) - Nothing Stands Still: A Spatiotemporal Benchmark on 3D Point Cloud Registration Under Large Geometric and Temporal Change [82.31647863785923]
人工空間の3次元幾何学地図の構築は、基本的なコンピュータビジョンとロボット工学である。
Not Stands Still (NSS)ベンチマークは、大きな空間的および時間的変化を行う3Dシーンの時間的登録に焦点を当てている。
NSSの一環として,建設中または改修中の大規模建築屋内環境において,3次元点雲のデータセットを連続的に取得する。
論文 参考訳（メタデータ） (2023-11-15T20:09:29Z)
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。