論文の概要: Cyclops: LiDAR as a Camera That Dreams in Color

• arxiv url: http://arxiv.org/abs/2608.16264v1
• Date: Mon, 17 Aug 2026 08:37:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.593813
• Title: Cyclops: LiDAR as a Camera That Dreams in Color
• Title（参考訳）: サイクロップス:LiDARはカラーで夢見るカメラ
• Authors: Wei Gao, Jian Shu, Mingle Zhao, Maani Ghaffari, David Kong, Chengzhong Xu, Hui Kong,
• Abstract要約: 本稿では,非反復走査LiDAR(NRS-LiDAR)強度をRGBビデオに変換するフレームワークを提案する。 提案手法は, 凍結した予混合密度モジュールを用いて, スパースLiDAR強度射影を密度密度表現に変換する。 その後、高密度潜水剤はラテントブリッジマッチングを介してターゲットRGB分布へ輸送される。
• 参考スコア（独自算出の注目度）: 32.25721672776894
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventionally, robotic perception relies heavily on cameras due to the rich semantic texture they provide. However, their performance degrades significantly in low-light or high-dynamic-range environments. Conversely, while Light Detection and Ranging (LiDAR) captures illumination-invariant geometric and intensity properties, the resulting data are typically single-channel and sparse, creating a significant modality gap when applying vision models pre-trained on RGB datasets. In this paper, we propose Cyclops, a framework that translates sparse Non-Repetitive Scanning LiDAR (NRS-LiDAR) intensity into RGB video, enabling camera-free inference for all-day perception tasks. Our approach first converts sparse LiDAR intensity projections into dense representations via a frozen pre-trained densification module, serving as a geometrically rich source condition. The dense intensity latent is then transported toward the target RGB distribution through Latent Bridge Matching (LBM) with a learned velocity field in a few ODE integration steps. To mitigate inter-frame flickering, we inject prior-frame context via temporal attention layers and further formulate the velocity field as a policy optimized by a differentiable terminal reward that encourages terminal fidelity through backpropagation along the ODE trajectory. Extensive experiments demonstrate that the synthesized RGB, including those generated under near-dark conditions, enable standard RGB-based perception models to substantially outperform both LiDAR baselines and conventional cameras on semantic segmentation, lane detection, and point cloud colorization across diverse lighting conditions.
• Abstract（参考訳）: 従来、ロボットの知覚は、それらが提供するリッチなセマンティックなテクスチャによって、カメラに大きく依存していた。 しかし、その性能は低照度または高ダイナミックレンジ環境で著しく低下する。 逆にLight Detection and Ranging(LiDAR)は、照明不変の幾何学的および強度特性をキャプチャするが、結果として得られるデータは、通常シングルチャネルとスパースであり、RGBデータセットに事前トレーニングされた視覚モデルを適用する場合、大きなモダリティギャップを生じる。 本稿では,非反復走査LiDAR(NRS-LiDAR)強度をRGBビデオに変換するフレームワークであるCyclopsを提案する。 提案手法は,Sparse LiDAR 強度射影を凍結したプレトレーニングデンシフィケーションモジュールを介して密度密度表現に変換し,幾何学的にリッチなソース条件として機能する。 その後、高密度潜水は、数個のODE積分ステップで学習速度場を持つラテントブリッジマッチング(LBM)を介してターゲットRGB分布へ輸送される。 フレーム間フレッカリングを緩和するため、時間的注意層を介してフレーム前コンテキストを注入し、ODE軌道に沿ったバックプロパゲーションにより端末の忠実度を促進する微分可能な端末報酬によって最適化されたポリシーとして速度場を定式化する。 濃密な実験により、合成されたRGBは、暗黒に近い条件下で生成されたものを含む、標準のRGBベースの知覚モデルが、様々な照明条件におけるセマンティックセグメンテーション、車線検出、点雲のカラー化において、LiDARベースラインと従来のカメラの両方を大幅に上回ることを示した。

関連論文リスト

• Event-RGB Adaptive Tracking for Nighttime Highway Perception [7.388485566907394]
  インテリジェントトランスポーテーションシステムは主に、交通認識と車両追跡のために従来のRGBカメラに依存している。 夜間のシナリオは、動きのぼやけ、露出不足、信号対雑音比の低さに悩まされ、RGBベースのセンシングシステムの信頼性が壊滅的に損なわれる。 本稿では,これらの制約に対処する新しい統合イベント-RGB適応トラッキング(JEAT)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-13T14:59:46Z)
• UniRED: Unified RGB-D Video Frame Interpolation with Event Guidance [19.80142530142947]
  高フレームレートのRGB-Dビデオは、モーション分析、動的シーン理解、3D再構成など、さまざまな下流タスクに不可欠である。 既存のビデオ手法は、RGBデータに対して高い性能を達成しているが、RGB-Dシナリオには適用できない。 本稿では,RGBの外観,深度幾何学,イベントベースの時間的手がかりを併用したRGB-Dビデオ用統合マルチモーダルフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-23T08:03:58Z)
• Spatio-Temporal Difference Guided Motion Deblurring with the Complementary Vision Sensor [12.418360718687026]
  動きのぼかしは露光期間中に急激なシーン変化が起こると発生し、リッチな露光中の動きを1つのRGBフレームに崩壊させる。 本稿では,RGB入力のぼやけた構造や色の詳細を復元するために,時空間差ガイドデブロアネット(STGDNet)を提案する。 提案手法は,合成CVSデータセットと実世界評価の両方において,現在のRGBやイベントベースのアプローチよりも優れている。
  論文  参考訳（メタデータ） (2026-04-12T09:54:14Z)
• Spatial Orthogonal Refinement for Robust RGB-Event Visual Object Tracking [8.019596736149834]
  空間直交微細化(SOR)に基づくロバストなRGBイベント追跡のためのフレームワークであるSOR-Trackを提案する。 大規模なFE108ベンチマークの実験は、SOR-Trackが既存のフュージョンベースのトラッカーを一貫して上回っていることを示している。 その単純さにもかかわらず、提案手法はマルチモーダルな特徴アライメントとテクスチャの整合に対する原理的かつ物理的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-03-29T23:54:31Z)
• IrisNet: Infrared Image Status Awareness Meta Decoder for Infrared Small Targets Detection [92.56025546608699]
  IrisNetは、入力赤外線画像ステータスに検出戦略を適用する、新しいメタ学習フレームワークである。 提案手法は,赤外線画像特徴量とデコーダパラメータ全体の動的マッピングを確立する。 NUDT-SIRST、NUAA-SIRST、IRSTD-1Kデータセットの実験は、我々のIrisNetの優位性を示している。
  論文  参考訳（メタデータ） (2025-11-25T13:53:54Z)
• Dark-EvGS: Event Camera as an Eye for Radiance Field in the Dark [51.68144172958247]
  そこで我々はDark-EvGSを提案する。Dark-EvGSは、任意の視点から明るいフレームを復元できる3D GSフレームワークである。 提案手法は,低照度条件下での放射場再構成を克服し,既存の手法よりも優れた結果が得られる。
  論文  参考訳（メタデータ） (2025-07-16T05:54:33Z)
• LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
  都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。 この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-10-07T15:07:56Z)
• Revisiting Event-based Video Frame Interpolation [49.27404719898305]
  ダイナミックビジョンセンサーやイベントカメラは、ビデオフレームに豊富な補完情報を提供する。 イベントからの光の流れを推定することは、RGB情報より間違いなく困難である。 イベントベースの中間フレーム合成を複数の単純化段階において漸進的に行う分割・対数戦略を提案する。
  論文  参考訳（メタデータ） (2023-07-24T06:51:07Z)
• Self-Aligning Depth-regularized Radiance Fields for Asynchronous RGB-D Sequences [12.799443250845224]
  タイムスタンプを$rm SE(3)$要素にマッピングする暗黙のネットワークである。 提案アルゴリズムは,(1)時間的関数フィッティング,(2)放射場ブートストレッピング,(3)結合ポーズ誤差補償,および放射場改良の3段階からなる。 また,ドローンによってキャプチャされた実世界の非同期RGB-Dシーケンスに対して,定性的に改善された結果を示す。
  論文  参考訳（メタデータ） (2022-11-14T15:37:27Z)

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。