論文の概要: Probing the 3D Object-Level Understanding of Pre-Trained Detection Transformers

• arxiv url: http://arxiv.org/abs/2608.01495v1
• Date: Sun, 02 Aug 2026 20:56:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.260292
• Title: Probing the 3D Object-Level Understanding of Pre-Trained Detection Transformers
• Title（参考訳）: 事前学習検出変換器の3次元オブジェクトレベル理解法の提案
• Abstract要約: 本研究では,物体の3次元特性について,事前学習した2次元検出変換器で何を理解するかを検討する。 検出変圧器モデル全体にわたって,本研究の結果は驚くほど強力で,これまで知られていなかった2次元DETRモデルの有用な情報表現能力を示している。
• 参考スコア（独自算出の注目度）: 5.05030444084852
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detection transformer models, including DETR and its extensions, learn to output a set of object-level embeddings that can be simultaneously decoded into 2D bounding boxes and class distributions. In this paper, we investigate what pre-trained 2D detection transformers understand about the 3D properties of objects. Specifically, we investigate the extent to which properties including the depth of objects from the camera and the 3D location of objects relative to the camera can be recovered from object-level embeddings using linear and non-linear probes. Across a range of detection transformer models, our results show a surprisingly strong and previously unknown ability of 2D DETR models to represent useful information about the 3D properties of objects, despite the complete lack of 3D supervision during model pre-training.
• Abstract（参考訳）: DETRとその拡張を含む検出トランスフォーマーモデルは、同時に2次元境界ボックスとクラス分布にデコード可能なオブジェクトレベルの埋め込みセットを出力することを学ぶ。 本稿では,物体の3次元特性について,事前学習した2次元検出変換器が何を理解しているかを検討する。 具体的には、カメラからの被写体深度とカメラに対する被写体の3次元位置を含む特性が、線形および非線形プローブを用いて被写体レベルの埋め込みから回収できる範囲について検討する。 モデル事前学習中に3次元監視が完全に欠如しているにもかかわらず, 対象物の3次元特性に関する有用な情報を表現するための2次元DETRモデルについて, 驚くほど強力で未知の能力を示した。

関連論文リスト

• 3D-DLP: Self-Supervised 3D Object-Centric Scene Representation Learning [37.932415885988924]
  シーンレベルのRGB-Dまたはボクセル観測を3次元潜在粒子群に分解する自己教師型オブジェクト中心表現学習モデルである3D-DLPを導入する。 このモデルは、エンド・ツー・エンドの自己監督的再構成目的を通して、粒子ごとの分割マップを解釈できる。 これらのコンパクトな3次元潜伏粒子を下流ロボット操作に利用することにより,ベースラインよりも性能が向上することを示す。
  論文  参考訳（メタデータ） (2026-06-17T18:00:08Z)
• Gaussian Splatting is an Effective Data Generator for 3D Object Detection [12.882763124978535]
  ドライビングシーンにおける3次元物体配置のためのガウススプラッティングに基づく3次元再構成の最近の進歩を利用する。 提案手法では, 3次元オブジェクトを直接再構成した空間に配置し, 幾何変換を明示的に課す。 これにより、オブジェクト配置の物理的妥当性と高精度な3Dポーズと位置アノテーションの両方が保証される。
  論文  参考訳（メタデータ） (2025-04-23T14:10:36Z)
• DriveGEN: Generalized and Robust 3D Detection in Driving via Controllable Text-to-Image Diffusion Generation [49.32104127246474]
  DriveGENは、トレーニング不要のテキストから画像への拡散生成である。 様々なアウト・オブ・ディストリビューション世代にまたがる正確な3D形状のオブジェクトを一貫して保存する。
  論文  参考訳（メタデータ） (2025-03-14T06:35:38Z)
• V-MIND: Building Versatile Monocular Indoor 3D Detector with Diverse 2D Annotations [17.49394091283978]
  V-MIND(Versatile Monocular Indoor Detector)は,室内3D検出器の性能を向上させる。 大規模2次元画像を3次元点雲に変換し,その後に擬似3次元境界ボックスを導出することにより,3次元学習データを生成する。 V-MINDはOmni3D屋内データセット上の幅広いクラスにわたる最先端のオブジェクト検出性能を実現する。
  論文  参考訳（メタデータ） (2024-12-16T03:28:00Z)
• VFMM3D: Releasing the Potential of Image by Vision Foundation Model for Monocular 3D Object Detection [80.62052650370416]
  モノクル3Dオブジェクト検出は、自律運転やロボティクスなど、さまざまなアプリケーションにおいて重要な役割を担っている。 本稿では,VFMM3Dを提案する。VFMM3Dは,ビジョンファウンデーションモデル(VFM)の機能を利用して,単一ビュー画像を正確にLiDARポイントクラウド表現に変換する,革新的なフレームワークである。
  論文  参考訳（メタデータ） (2024-04-15T03:12:12Z)
• Transformer-based stereo-aware 3D object detection from binocular images [82.85433941479216]
  両眼3次元物体検出におけるトランスフォーマーのモデル設計について検討する。 この目的を達成するために、ステレオ対応の3Dオブジェクト検出器TS3Dを提案する。 提案したTS3Dは、KITTIテストセット上で41.29%のモードレートカー検出精度を実現し、各両眼画像対から物体を検出するのに88msを要した。
  論文  参考訳（メタデータ） (2023-04-24T08:29:45Z)
• OA-DET3D: Embedding Object Awareness as a General Plug-in for Multi-Camera 3D Object Detection [77.43427778037203]
  我々は3Dオブジェクト検出を改善するプラグインモジュールであるOA-DET3Dを紹介する。 OA-DET3Dは、オブジェクト中心の深度情報と前景の擬似点を活用することにより、オブジェクトの表現を高める。 我々は、OA-DET3Dの有効性を検証するために、nuScenesデータセットとArgoverse 2データセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-01-13T06:02:31Z)
• Aerial Monocular 3D Object Detection [67.20369963664314]
  DVDETは2次元画像空間と3次元物理空間の両方で空中単分子3次元物体検出を実現するために提案される。 高度視差変形問題に対処するため,新しい測地変形変換モジュールを提案する。 より多くの研究者がこの領域を調査するよう促すため、データセットと関連するコードをリリースします。
  論文  参考訳（メタデータ） (2022-08-08T08:32:56Z)
• Homography Loss for Monocular 3D Object Detection [54.04870007473932]
  ホログラフィーロス(Homography Loss)と呼ばれる,2次元情報と3次元情報の両方を利用する識別可能なロス関数を提案する。 提案手法は,KITTI 3Dデータセットにおいて,他の最先端技術と比較して高い性能を示す。
  論文  参考訳（メタデータ） (2022-04-02T03:48:03Z)

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。