論文の概要: MAGneT-3D: Monocular and Domain-Generalizable Temporal 3D Detection

• arxiv url: http://arxiv.org/abs/2608.14282v1
• Date: Fri, 14 Aug 2026 13:09:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.385955
• Title: MAGneT-3D: Monocular and Domain-Generalizable Temporal 3D Detection
• Title（参考訳）: MAGneT-3D:単分子および領域一般化可能な時間的3D検出
• Abstract要約: ドメイン一般化単分子時間3次元物体検出の最初の方法であるMAGneT-3Dを紹介する。 静的なクエリに頼る代わりに、推論中に適応的に3D提案を導出するDomain-Robust Anchor Generator (DRAG)アプローチを提案する。 ゼロショットドメインシフトでは、MAGneT-3Dはすべてのベースラインを上回り、NDSを12.1%から18.6%に改善し、ドメイン内の精度も向上した。
• 参考スコア（独自算出の注目度）: 39.19741035436689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monocular temporal 3D detection aims to detect objects in 3D, given a monocular video. Query-based 3D detectors unify detection and cross-view association, but their learnable queries fit the spatial distribution of the training data (e.g., field-of-view). We show that this issue is especially severe when these models are applied to monocular video, hindering generalization to unseen datasets and environments. To address this limitation, we introduce MAGneT-3D, the first method for domain-generalized monocular temporal 3D object detection. Instead of relying on static learnable queries, we propose a Domain-Robust Anchor Generator (DRAG) approach that adaptively derives 3D proposals during inference. To further enable domain generalization, we propose a Temporal Refinement and Identity Merging (TRIM) strategy, reducing dependence on specific 3D proposals. To enable comprehensive domain-generalization evaluation, we establish a cross-dataset benchmark spanning nuScenes, Waymo, Lyft, and ONCE. Under zero-shot domain shifts, MAGneT-3D outperforms all baselines, improving NDS from 12.1% to 18.6% while also increasing in-domain accuracy.
• Abstract（参考訳）: モノクラー時間的3D検出は、モノクラービデオから3Dの物体を検出することを目的としている。 クエリベースの3D検出器は、検出とクロスビュー関連を統一するが、学習可能なクエリは、トレーニングデータの空間分布(例えば、フィールド・オブ・ビュー)に適合する。 これらのモデルがモノクロビデオに適用された場合、この問題は特に深刻であり、目に見えないデータセットや環境への一般化を妨げている。 この制限に対処するために、ドメイン一般化単分子時間3Dオブジェクト検出の最初の方法であるMAGneT-3Dを導入する。 静的なクエリに頼る代わりに、推論中に適応的に3D提案を導出するDomain-Robust Anchor Generator (DRAG)アプローチを提案する。 ドメインの一般化をさらに進めるために,時間的リファインメントとアイデンティティ・マージ(TRIM)戦略を提案し,特定の3D提案への依存を減らす。 総合的なドメイン一般化評価を可能にするため、我々はnuScenes、Waymo、Lyft、ONCEにまたがるクロスデータセットのベンチマークを構築した。 ゼロショットドメインシフトでは、MAGneT-3Dはすべてのベースラインを上回り、NDSを12.1%から18.6%に改善し、ドメイン内の精度も向上した。

関連論文リスト

• Map-Det3D: Metric Feed-Forward 3D Reconstruction Prior for Multi-view 3D Object Detection from Streaming Inputs [62.865932175477035]
  計量3Dオブジェクト検出は、エンボディエージェントのコア機能であるが、最も信頼性の高いシステムは深度センサーに頼っている。 提案するMap-Det3Dは,RGBから再構成した3次元空間に直接検出を行うオンラインマルチビュー3Dオブジェクト検出モデルである。
  論文  参考訳（メタデータ） (2026-08-12T15:33:42Z)
• PLOT: Pseudo-Labeling via Video Object Tracking for Scalable Monocular 3D Object Detection [35.524943073010675]
  モノクロ3Dオブジェクト検出(M3OD)は、高アノテーションコストと固有の2Dから3Dの曖昧さに起因するデータの不足により、長年にわたって課題に直面してきた。 ビデオデータのみを使用し、マルチビュー設定、追加センサー、カメラポーズ、ドメイン固有のトレーニングを必要とせず、より堅牢な疑似ラベルフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-03T07:46:39Z)
• GATE3D: Generalized Attention-based Task-synergized Estimation in 3D* [0.7373617024876725]
  GATE3Dは、弱い監督による一般化されたモノクル3Dオブジェクト検出のための新しいフレームワークである。 以上の結果から,GATE3Dは限られたアノテートデータからの学習を著しく加速することが示された。
  論文  参考訳（メタデータ） (2025-04-15T09:37:54Z)
• 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)
• 3DiffTection: 3D Object Detection with Geometry-Aware Diffusion Features [70.50665869806188]
  3DiffTectionは、単一の画像から3Dオブジェクトを検出する最先端の方法である。 拡散モデルを微調整し、単一の画像に条件付けされた新しいビュー合成を行う。 さらに、検出監視により、ターゲットデータ上でモデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-11-07T23:46:41Z)
• M3DSSD: Monocular 3D Single Stage Object Detector [82.25793227026443]
  特徴アライメントと非対称非局所的注意を有するモノクロ3次元単段物体検出器(M3DSSD)を提案する。 提案したM3DSSDは,KITTIデータセット上のモノラルな3Dオブジェクト検出手法よりも大幅に性能が向上する。
  論文  参考訳（メタデータ） (2021-03-24T13:09:11Z)
• Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
  モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。 従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。 我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。 これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
  論文  参考訳（メタデータ） (2020-08-31T17:10:48Z)
• SMOKE: Single-Stage Monocular 3D Object Detection via Keypoint Estimation [3.1542695050861544]
  3Dの向きとオブジェクトの変換を推定することは、インフラストラクチャレスの自律走行と運転に不可欠である。 SMOKEと呼ばれる新しい3次元オブジェクト検出手法を提案する。 構造的単純さにもかかわらず、提案するSMOKEネットワークは、KITTIデータセット上の既存のモノクル3D検出方法よりも優れている。
  論文  参考訳（メタデータ） (2020-02-24T08:15:36Z)

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。