論文の概要: CVSD-Reg: Cross-Modal Visual Semantic Prior Distillation for Robust LiDAR Registration
- arxiv url: http://arxiv.org/abs/2608.19536v1
- Date: Thu, 20 Aug 2026 01:17:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.430963
- Title: CVSD-Reg: Cross-Modal Visual Semantic Prior Distillation for Robust LiDAR Registration
- Title（参考訳）: CVSD-Reg:ロバストLiDAR登録のためのクロスモーダルビジュアルセマンティック事前蒸留法
- Abstract要約: 我々は,ロバストなグローバルLiDAR登録フレームワークCVSD-Regを提案する。
視覚基盤モデルから視覚的セマンティクスをLiDAR表現に抽出する。
カメラ入力やポストホックICPの改良を必要とせず、最先端の幾何学的登録法を44.0ポイントまで上回っている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Learning-based global point cloud registration has achieved remarkable progress, yet its reliance on geometric representations makes existing methods sensitive to variations in point density, scan pattern, viewpoint, and sensor characteristics. We propose CVSD-Reg, a robust global LiDAR registration framework that distills visual semantic priors from a vision foundation model into LiDAR representations. In Stage 1, a Point Transformer V3 student learns from a frozen DINOv2 teacher through contrastive distillation and spherical-manifold alignment, which preserves the hyperspherical geometry of the teacher embedding space. Self-supervised InfoNCE consistency and soft $\mathrm{SE}(3)$ invariance further encourage viewpoint-robust descriptors. In Stage 2, the distilled representation is adapted to registration through correspondence learning, density-aware point-dropout augmentation, and end-to-end pose optimization. With a single checkpoint, CVSD-Reg generalizes to both single-sensor and zero-shot cross-sensor scenarios without sensor-specific adaptation and remains entirely camera-free at inference. On KITTI, nuScenes, and HeLiPR, CVSD-Reg achieves strict success rate (SR@0.5\,m/$1^\circ$) of 97.7$\%$, 99.0$\%$, and 99.3$\%$, respectively, including 97.3$\%$ on sparse 16-beam Velodyne scans. It outperforms state-of-the-art geometric registration methods by up to 44.0 percentage points without requiring camera inputs or post-hoc ICP refinement.
- Abstract（参考訳）: 学習に基づくグローバルポイントクラウドの登録は目覚ましい進歩を遂げているが、幾何学的表現に依存しているため、既存の手法は点密度、走査パターン、視点、センサー特性の変動に敏感である。
我々は,視覚基盤モデルからLDAR表現への視覚的セマンティクスを蒸留する,ロバストなグローバルLiDAR登録フレームワークCVSD-Regを提案する。
ステージ1では、ポイントトランスフォーマーV3の学生が、教師の埋め込み空間の超球面形状を保存する対照的な蒸留と球面マニフォールドアライメントを通じて、凍結したDINOv2教師から学習する。
自己教師型InfoNCE一貫性とソフト$\mathrm{SE}(3)$不変性は、さらに視点ロバストディスクリプタを奨励する。
ステージ2では、蒸留された表現は、対応学習、密度対応のポイントドロップアウト拡張、エンドツーエンドのポーズ最適化を通じて登録に適合する。
単一のチェックポイントで、CVSD-Regはセンサー固有の適応なしに、シングルセンサーとゼロショットのクロスセンサーシナリオの両方に一般化し、推論時に完全にカメラレスのままである。
KITTI、nuScenes、HeLiPRでは、CVSD-Regは、それぞれ97.7$\%$、99.0$\%$、99.3$\%$の厳密な成功率(SR@0.5\,m/1^\circ$)を達成する。
カメラ入力やポストホックICPの改良を必要とせず、最先端の幾何学的登録法を44.0ポイントまで上回っている。
関連論文リスト
- Solution for UCF UrbanTwin V2X-Real Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
本報告では,Sim2Real 3D検出のためのマルチソース協調学習とクラス認識融合フレームワークを提案する。
この方法は、デジタルツインスキャン、拡散露光スキャン、密度安定化スキャン、歩行者形態に整列したサンプルを補完的な役割を持つ統合トレーニングプールに整理する。
論文 参考訳（メタデータ） (2026-09-07T15:16:15Z) - Cross-Architecture Knowledge Distillation from a Vision Foundation Model to a Lightweight Visual State Space Model for Tea Leaf Disease Classification [10.122947222129108]
DINOv2のような自己監督型ビジョンファウンデーションモデルは強力な機能を提供するが、フィールド展開には大きすぎる。
微調整DINOv2教師からコンパクトな双方向視覚空間モデルへのクロスアーキテクチャ知識の蒸留について検討した。
我々は,SSM学生が限られたデータで学習することを防ぐ2つのトレーニング安定問題を同定し,修正する。
論文 参考訳（メタデータ） (2026-08-27T08:02:05Z) - SUFLECA: Scaling Up Feature Learning for CAD-to-image Alignment [8.675679091961213]
CAD-to-imageアライメントは、オブジェクトの9Dポーズを単一のRGBイメージから推定することを目的としている。
最近のゼロショット法では、画像領域とCADモデルとのマッチングに視覚的基礎モデルを使用している。
ゼロショットCADアライメントのための弱い教師付きフレームワークSUFLECAを紹介する。
論文 参考訳（メタデータ） (2026-07-16T14:32:34Z) - RegFormer++: An Efficient Large-Scale 3D LiDAR Point Registration Network with Projection-Aware 2D Transformer [71.59462491691819]
本稿では,大規模クラウドアライメントを実現するために,RegFormer++と呼ばれる新しいエンド・ツー・エンド差動トランスフォーマネットワークを提案する。
元の3D座標を2次元投影位置に充填するため、設計したトランスフォーマーは2次元処理における高効率と3次元幾何情報からの精度の両面から恩恵を受けることができる。
KITTI、NuScenes、Argoverseのデータセットを用いた実験により、我々のモデルは精度と効率の両面で最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2026-03-15T09:03:10Z) - Preference Score Distillation: Leveraging 2D Rewards to Align Text-to-3D Generation with Human Preference [69.34278282513593]
Preference Score Distillation (PSD) は、3Dトレーニングデータなしでテキストから3D合成を行うための最適化ベースのフレームワークである。
我々の重要な洞察は、ピクセルレベルの勾配の不整合性に起因している。
我々は、好みスコアと負のテキスト埋め込みを協調最適化するための適応戦略を導入する。
論文 参考訳（メタデータ） (2026-03-02T08:23:36Z) - Self-Supervised Cross-Modal Learning for Image-to-Point Cloud Registration [22.360139236823155]
CrossI2Pは、クロスモーダル学習と2段階の登録を単一のエンドツーエンドパイプラインで統合する、自己教師型フレームワークである。
我々は、CrossI2Pが、KITTI Odometryベンチマークで23.7%、nuScenesで37.9%、最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-09-19T11:29:22Z) - Zero-shot Inexact CAD Model Alignment from a Single Image [53.37898107159792]
1つの画像から3Dシーン構造を推測する実践的なアプローチは、データベースから密に一致する3Dモデルを検索し、画像内のオブジェクトと整列させることである。
既存のメソッドは、イメージによる教師付きトレーニングとアノテーションのポーズに依存しており、オブジェクトカテゴリの狭いセットに制限されている。
ポーズアノテーションを必要とせず、未知のカテゴリに一般化する不正確な3次元モデルの弱い教師付き9-DoFアライメント法を提案する。
論文 参考訳（メタデータ） (2025-07-04T04:46:59Z) - CAST: Contrastive Adaptation and Distillation for Semi-Supervised Instance Segmentation [14.605642634292655]
我々は,限定ラベル付きおよび豊富なラベル付きデータを用いて,事前学習された視覚基盤モデル(VFM)をコンパクトな専門家に圧縮する,半教師付き知識蒸留(SSKD)フレームワークであるCASTを紹介する。
1) 比較校正による自己訓練によるVFM(s)のドメイン適応,(2) 統合された多目的損失による知識伝達,(3) 残留する疑似ラベルバイアスを軽減するための学生の洗練,の3段階に展開する。
論文 参考訳（メタデータ） (2025-05-28T02:45:42Z) - CMR-Agent: Learning a Cross-Modal Agent for Iterative Image-to-Point Cloud Registration [2.400446821380503]
Image-to-point cloud registrationは、ポイントクラウドに対するRGBイメージの相対的なカメラポーズを決定することを目的としている。
学習に基づくほとんどの手法は、反復最適化のためのフィードバック機構を使わずに、特徴空間における2D-3D点対応を確立する。
本稿では,登録手順を反復マルコフ決定プロセスとして再構成し,カメラポーズの漸進的な調整を可能にすることを提案する。
論文 参考訳（メタデータ） (2024-08-05T11:40:59Z) - Improving Gaussian Splatting with Localized Points Management [52.009874685460694]
局所的点管理(LPM)は、点加算と幾何校正の両方を最大限に必要としながら、これらの誤り貢献ゾーンを特定することができる。
LPMは特定されたゾーンに点密度を適用し、これらの領域の前にある点の不透明度をリセットし、不適切な点を修正する新しい機会を生み出す。
特に、LPMは静的3DGSとダイナミックなSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
論文 参考訳（メタデータ） (2024-06-06T16:55:07Z) - ZeroReg: Zero-Shot Point Cloud Registration with Foundation Models [77.84408427496025]
最先端の3Dポイントクラウド登録方法は、トレーニングのためにラベル付き3Dデータセットに依存している。
我々は2次元基礎モデルを用いて3次元対応を予測するゼロショット登録手法であるZeroRegを紹介する。
論文 参考訳（メタデータ） (2023-12-05T11:33:16Z) - Complete & Label: A Domain Adaptation Approach to Semantic Segmentation
of LiDAR Point Clouds [49.47017280475232]
3次元点雲のセマンティックラベリングにおける教師なし領域適応問題について検討する。
セグメンテーションネットワークに渡す前に、基盤となる表面を復元するためにComplete と Label のアプローチを採用する。
回収された3D表面は標準領域として機能し、そこからセマンティックラベルが異なるLiDARセンサー間で転送される。
論文 参考訳（メタデータ） (2020-07-16T17:42:05Z)
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。