論文の概要: SimBEV2X: A Large-Scale Dataset and Data Generation Tool for Multi-Task Vehicle-to-Everything Cooperative Perception

• arxiv url: http://arxiv.org/abs/2607.23910v1
• Date: Mon, 27 Jul 2026 00:55:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.26572
• Title: SimBEV2X: A Large-Scale Dataset and Data Generation Tool for Multi-Task Vehicle-to-Everything Cooperative Perception
• Title（参考訳）: SimBEV2X:マルチタスク車間協調認識のための大規模データセットとデータ生成ツール
• Authors: Goodarz Mehr, Sepideh Gohari, Montasir Abbas, Azim Eskandarian,
• Abstract要約: 車両間通信(V2X)は、個々の自動運転車固有の物理的制限を克服することができる。 堅牢なV2Xアルゴリズムの開発は、大規模でマルチモーダルなマルチタスクデータセットの欠如によって妨げられている。 我々は,CARLAシミュレータ上に構築された高度な合成データ生成ツールであるSimBEV2Xを紹介する。
• 参考スコア（独自算出の注目度）: 82.16905244601558
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cooperative perception through vehicle-to-everything (V2X) communication can overcome the inherent physical limitations of individual autonomous vehicles, such as occlusions and limited sensor range. However, the development of robust V2X algorithms, particularly those relying on unified spatial representations like bird's-eye view (BEV) representation, is hampered by the lack of large-scale, multi-modal, multi-task datasets. Moreover, collecting and annotating a large set of synchronized, real-world multi-agent data is prohibitively expensive. This has resulted in a landscape where existing V2X datasets are notably limited in both size and scope. To overcome this, we introduce SimBEV2X, an advanced synthetic data generation tool built on the CARLA simulator. SimBEV2X automatically creates randomized driving scenarios to collect multi-modal sensor data alongside various types of ground truth including 3D bounding boxes with unique track IDs, HD map information, BEV segmentation maps, and semantic occupancy voxel grids from both vehicles and RSUs. We also present the SimBEV2X dataset, the largest V2X perception dataset to date. The dataset comprises 258 scenes, each involving up to 8 connected vehicles and up to 4 RSUs across a variety of road networks. The SimBEV2X dataset is an order of magnitude larger than existing V2X datasets and contains 102,200 frames, 588,520 lidar point clouds, more than 3 million images, over 27 million bounding boxes, and a comprehensive set of other annotations. Finally, we establish a strong baseline on the SimBEV2X dataset using CoopDet3D and propose CoBEVFusion, a novel architecture that combines CoopDet3D with fused axial attention (FAX) for context-aware multi-agent feature aggregation, resulting in superior performance. SimBEV2X, the SimBEV2X dataset, and CoBEVFusion are available at https://simbev2x.org and https://github.com/GoodarzMehr/SimBEV2X.
• Abstract（参考訳）: 車両間通信(V2X)による協調認識は、閉塞やセンサー範囲の制限など、個々の自律車両固有の物理的制限を克服することができる。 しかしながら、ロバストなV2Xアルゴリズム、特に鳥眼ビュー(BEV)表現のような統一された空間表現に依存するものの開発は、大規模でマルチモーダルなマルチタスクデータセットの欠如によって妨げられている。 さらに、大量の同期された実世界のマルチエージェントデータの収集と注釈付けは、極めて高価である。 この結果、既存のV2Xデータセットはサイズとスコープの両方で特に制限されている状況になった。 そこで我々は,CARLAシミュレータ上に構築された高度な合成データ生成ツールであるSimBEV2Xを紹介する。 SimBEV2Xはランダム化された運転シナリオを生成し、トラックIDを持つ3Dバウンディングボックス、HDマップ情報、BEVセグメンテーションマップ、車両とROSの両方からのセマンティック占有ボクセルグリッドなど、さまざまな種類の地上真実と共にマルチモーダルセンサデータを収集する。 また、これまでで最大のV2X知覚データセットであるSimBEV2Xデータセットも提示する。 データセットは258のシーンで構成され、それぞれが最大8台の連結車両と、さまざまな道路ネットワークで最大4台のRASを含んでいる。 SimBEV2Xデータセットは,既存のV2Xデータセットよりも桁違いに大きく,102,200フレーム,588,520のライダーポイントクラウド,300万以上のイメージ,2700万以上のバウンディングボックス,その他のアノテーションセットを含む。 最後に、CoopDet3Dを用いたSimBEV2Xデータセットの強力なベースラインを確立し、CoopDet3Dと融合したアキシャルアテンション(FAX)を組み合わせた新しいアーキテクチャであるCoBEVFusionを提案する。 SimBEV2X、SimBEV2Xデータセット、CoBEVFusionはhttps://simbev2x.orgとhttps://github.com/GoodarzMehr/SimBEV2Xで入手できる。

関連論文リスト

• UrbanIng-V2X: A Large-Scale Multi-Vehicle, Multi-Infrastructure Dataset Across Multiple Intersections for Cooperative Perception [45.81880967650386]
  UrbanIng-V2Xは、時間的に整列された34のセンサーシーケンスと、20秒間続く空間的に校正されたセンサーシーケンスから構成される。 すべてのシーケンスは10Hzの周波数でアノテートされ、3D境界ボックスは13のオブジェクトクラスにまたがる。 UrbanIng-V2Xは合計12台の車載RGBカメラ、2台の車載LiDAR、17台のインフラ熱カメラ、12台のインフラLiDARからのデータを提供する。
  論文  参考訳（メタデータ） (2025-10-27T16:12:12Z)
• Mixed Signals: A Diverse Point Cloud Dataset for Heterogeneous LiDAR V2X Collaboration [57.3519952529079]
  車両間協調認識(V2X)は、単車知覚システムの限界に対処するための有望な解決策として登場した。 これらのギャップに対処するために、45.1kの点雲と240.6kのバウンディングボックスを備えた総合的なV2XデータセットであるMixed Signalsを紹介した。 私たちのデータセットは10クラスのポイントクラウドとバウンディングボックスアノテーションを提供し、認識トレーニングのための信頼性の高いデータを確保します。
  論文  参考訳（メタデータ） (2025-02-19T23:53:00Z)
• SimBEV: A Synthetic Multi-Task Multi-Sensor Driving Data Generation Tool and Dataset [101.51012770913627]
  近年,BEV(Bird's-eye view)の認識は自律運転において大きな注目を集めている。 SimBEVは、広範囲にスケーラブルでスケーラブルなランダム化された合成データ生成ツールである。 SimBEVは、さまざまな運転シナリオからの注釈付き知覚データの大規模なコレクションであるSimBEVデータセットを作成するために使用される。
  論文  参考訳（メタデータ） (2025-02-04T00:00:06Z)
• Multi-V2X: A Large Scale Multi-modal Multi-penetration-rate Dataset for Cooperative Perception [3.10770247120758]
  本稿では,V2X知覚のための大規模・マルチモーダル・マルチペネレーションレートデータセットであるMulti-V2Xを紹介する。 私たちのMulti-V2Xデータセットは、合計549kのRGBフレーム、146kのLiDARフレーム、4,219kの注釈付き3Dバウンディングボックスで構成されています。 最も高いCAV侵入率は86.21%に達し、通信範囲に31のエージェントがある。
  論文  参考訳（メタデータ） (2024-09-08T05:22:00Z)
• V2X-Real: a Large-Scale Dataset for Vehicle-to-Everything Cooperative Perception [22.3955949838171]
  V2X-Realは大規模なデータセットで、複数の車両とスマートインフラストラクチャが混在している。 我々のデータセットには33KのLiDARフレームと171Kのカメラデータが含まれており、非常に困難な都市シナリオでは10のカテゴリに1.2Mの注釈付きバウンディングボックスがある。
  論文  参考訳（メタデータ） (2024-03-24T06:30:02Z)
• Argoverse 2: Next Generation Datasets for Self-Driving Perception and Forecasting [64.7364925689825]
  Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。 Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。 Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
  論文  参考訳（メタデータ） (2023-01-02T00:36:22Z)

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。