論文の概要: GhostPoint: Self-Supervised Representation Learning by Hallucinating Occluded LiDAR Structure

• arxiv url: http://arxiv.org/abs/2608.14428v1
• Date: Fri, 14 Aug 2026 16:10:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.431905
• Title: GhostPoint: Self-Supervised Representation Learning by Hallucinating Occluded LiDAR Structure
• Title（参考訳）: GhostPoint: 蓄積したLiDAR構造を幻覚させることによる自己教師付き表現学習
• Abstract要約: LiDARポイントクラウドからの3Dオブジェクト検出は、自動運転における中核的な問題である。 自己教師付き学習(SSL)の最近の進歩は、スケーラブルな事前トレーニングとポイント単位のタスクへの転送を可能にしている。 我々は最近のSSL手法を解析し、ほとんどの目的が可視表面からのLiDAR戻り値にのみ定義されていることを発見した。 GhostPointはSSLフレームワークで、検出されたインスタンスの周辺で、潜伏する機能を幻覚させる。
• 参考スコア（独自算出の注目度）: 58.617405464262646
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D object detection from LiDAR point clouds is a core problem in autonomous driving. Recent advances in self-supervised learning (SSL) enable scalable pretraining and transfers well to per-point tasks such as semantic and panoptic segmentation, but transfer to 3D detection remains weaker. We analyze recent SSL methods and find that most objectives are defined only on measured LiDAR returns from visible surfaces, leaving occluded and unobserved regions unconstrained. This visible-surface bias can be sufficient for point-wise prediction, but 3D detection requires robustness to missing structure. To address this gap, we propose GhostPoint, an SSL framework that hallucinates latent features in local neighborhoods around discovered instances, generated via a novel instance voxel dilation. In GhostPoint, an encoder processes observed returns, and an additional predictor infers neighborhood representations from observed context. In addition to standard encoder-level supervision, we introduce a predictor-level supervision scheme on sampled voxels from generated neighborhoods. Specifically, observed (visible/masked) voxels match teacher-encoder targets, while unobserved voxels match teacher-predictor hallucinations. This design encourages the learned representation to explicitly model structure beyond observed returns. Extensive evaluations on nuScenes and Waymo demonstrate that our method achieves state-of-the-art performance, consistently improving downstream 3D detection, especially under sparse scans and limited labels.
• Abstract（参考訳）: LiDARポイントクラウドからの3Dオブジェクト検出は、自動運転における中核的な問題である。 近年の自己教師あり学習(SSL)の進歩により、意味論やパノプティクスのセグメンテーションといったポイント単位のタスクにスケーラブルな事前学習や転送が可能になったが、3D検出への転送は依然として弱いままである。 我々は最近のSSL手法を解析し、ほとんどの目的が可視光面からのLiDAR戻り値のみに基づいて定義され、隠蔽領域と非保存領域は拘束されないことを発見した。 この目に見える表面偏見はポイントワイドな予測には十分であるが、3D検出は欠落した構造に対して堅牢性を必要とする。 このギャップに対処するため、我々は、新しいインスタンスのボクセルダイレーションによって生成される、発見インスタンス周辺の局所的な特徴を幻覚するSSLフレームワークであるGhostPointを提案する。 GhostPointでは、エンコーダが観測されたリターンを処理し、追加の予測器が観測されたコンテキストから近傍表現を推測する。 我々は,標準エンコーダレベルの監視に加えて,生成した地区からのサンプルボクセルの予測器レベルの監視手法を導入する。 具体的には、観察された(可視/マスキークされた)ボクセルは教師と教師のエンコーダの目標と一致し、観察されていないボクセルは教師と予測者の幻覚と一致した。 この設計は、学習した表現が観察されたリターンを超えた構造を明示的にモデル化することを奨励する。 nuScenes と Waymo の広範囲な評価により,本手法は最先端の性能を実現し,特にスパーススキャンやリミテッドラベル下での下流3D検出を継続的に改善することを示した。

関連論文リスト

• UniProbe: A Learnable Token-Level Hallucination Detector for Large VLMs using Multi-Structural Internal Representations [61.85916280854257]
  LVLM(Large Vision-Language Models)は印象的な視覚的推論と対話機能を実現するが、視覚入力によるコンテンツサポートを幻覚させることが多い。 textbfUniProbeは軽量で統一された学習可能な検出器で、凍ったLVLMの不均一な計算トレースを1つの前方パスからモデル化する。
  論文  参考訳（メタデータ） (2026-08-11T12:01:59Z)
• Explainability-Aware Frustum Attack: Exposing Structural Vulnerabilities in LiDAR-Based 3D Object Detectors [5.47472857635307]
  Saliency-LiDAR法は,LiDARをベースとした3Dオブジェクト検出器のための普遍的なサリエンシマップを生成する。 我々は、対象領域全体を均一に攻撃するのではなく、最も影響力のあるフラストラムのみを選択的に摂動させる、説明可能性を考慮したフラストラム攻撃(EFA)を設計する。 EFAは検出リコールを15ポイント以上削減し、最先端の非安全基準よりも25～50%少ないフラストラムを必要とする。
  論文  参考訳（メタデータ） (2026-06-29T08:40:16Z)
• On the Feasibility and Opportunity of Autoregressive 3D Object Detection [60.86546723351944]
  AutoReg3Dは、検出をシーケンス生成としてキャストする自動回帰型3D検出器である。 さまざまなポイントクラウドやバックボーンに互換性があり、アンカーやNMSなしで、競合するnuScenesのパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-03-09T05:46:53Z)
• DOS: Distilling Observable Softmaps of Zipfian Prototypes for Self-Supervised Point Representation [25.293422897925698]
  DOS(Distilling Observable Softmaps)は、意味的関連性ソフトマップを可観測点のみに自己拡張する新しいSSLフレームワークである。 DOSは、セマンティックセグメンテーションと3Dオブジェクト検出における最先端の手法より優れている。 以上の結果から,可観測点のソフトマップ蒸留は,ロバストな3次元表現を学習するためのスケーラブルで効果的なパラダイムを提供することが示された。
  論文  参考訳（メタデータ） (2025-12-12T11:07:40Z)
• Hierarchical Supervision and Shuffle Data Augmentation for 3D Semi-Supervised Object Detection [90.32180043449263]
  最先端の3Dオブジェクト検出器は通常、高品質な3Dアノテーションを備えた大規模データセットで訓練される。 自然な治療法は、限られた量のラベル付きサンプルと豊富なラベル付きサンプルを活用することで、半教師付き学習(SSL)を採用することである。 本稿では,HSSDA(Hierarchical Supervision and Shuffle Data Augmentation)の新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2023-04-04T02:09:32Z)
• MAELi: Masked Autoencoder for Large-Scale LiDAR Point Clouds [13.426810473131642]
  Masked AutoEncoder for LiDAR Point clouds (MAELi) は、復元中にエンコーダとデコーダの両方でLiDARポイントクラウドの空間性を直感的に活用する。 新たな再構築アプローチでは、MAELiは空空間と隠された空間を区別する。 これにより、MAELiは基礎となる3次元シーンの幾何学と意味論の理解を得る。
  論文  参考訳（メタデータ） (2022-12-14T13:10:27Z)
• UpCycling: Semi-supervised 3D Object Detection without Sharing Raw-level Unlabeled Scenes [7.32610370107512]
  UpCyclingは、3Dオブジェクト検出のための新しいSSLフレームワークである。 F-GT(F-GT)と回転(F-RoT)のハイブリッド擬似ラベルを導入する。 UpCyclingは、生のポイントシーンを利用する最先端のSSLメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2022-11-22T02:04:09Z)
• Self-Supervised Point Cloud Representation Learning with Occlusion Auto-Encoder [63.77257588569852]
  本稿では,3D Occlusion Auto-Encoder(3D-OAE)を提案する。 私たちのキーとなるアイデアは、入力ポイントクラウドのローカルパッチをランダムに排除し、隠されたパッチを復元することで監督を確立することです。 従来の手法とは対照的に、我々の3D-OAEは大量のパッチを除去し、少数の可視パッチでしか予測できない。
  論文  参考訳（メタデータ） (2022-03-26T14:06:29Z)
• SESS: Self-Ensembling Semi-Supervised 3D Object Detection [138.80825169240302]
  具体的には、ラベルのない新しい未知のデータに基づくネットワークの一般化を促進するための、徹底的な摂動スキームを設計する。 我々のSESSは、50%のラベル付きデータを用いて、最先端の完全教師付き手法と比較して、競争性能を達成している。
  論文  参考訳（メタデータ） (2019-12-26T08:48:04Z)

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。