論文の概要: Lightweight Machine Learning-Driven Monocular Sidewalk Path Extraction for Embedded Micromobility Navigation
- arxiv url: http://arxiv.org/abs/2608.25178v1
- Date: Tue, 25 Aug 2026 21:49:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.453933
- Title: Lightweight Machine Learning-Driven Monocular Sidewalk Path Extraction for Embedded Micromobility Navigation
- Title（参考訳）: 組込みマイクロモビリティナビゲーションのための軽量機械学習駆動単眼サイドウォーク経路抽出
- Abstract要約: 小型で低消費電力なハードウェア上で確実に動作するマイクロモビリティシステムにおいて,歩道経路抽出のための単眼視覚パイプラインを提案する。
コンパクトなSegFormer-B0学生モデルは、OneFormer Swin-Lの擬似ラベルを用いて教師付きセミ教師付きフレームワークで訓練され、1フレーム当たり11.7msで0.946の手書きのIoUを達成する。
6つのキャンパスにまたがるフルビデオのリプレイでは、改良されたセグメンテーションによって時間的不安定が1.46%から0.33%に減少することを確認した。
- 参考スコア（独自算出の注目度）: 4.8020139207509684
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sidewalk-scale path extraction demands perception and planning that run reliably on compact, low-power hardware in cluttered, map-sparse environments. We present a monocular vision pipeline for sidewalk path extraction in micromobility systems that progresses through three design iterations, from a skeleton-graph baseline through distance-transform corridor planning to a lightweight image-space architecture, and provides a systematic comparison of five path-planning methods across both bird's-eye-view (BEV) and image-space domains. A compact SegFormer-B0 student model, trained with a semi-supervised teacher-student framework using OneFormer Swin-L pseudo-labels, achieves a hand-annotated IoU of 0.946 at 11.7 ms per frame, improving over the baseline checkpoint (IoU 0.758, 18.9 ms). In a controlled planner comparison on 32 hand-labeled frames, image-space midpoint planning achieves the lowest lateral center error (14.3 px) at 2.2 ms, a 421x speedup over BEV distance-transform planning (926.8 ms, 65.0 px center error), while maintaining comparable mask-path alignment (98.5% versus 98.6%). A full-video replay across six campus sequences (22,679 frames) confirms that the improved segmentation reduces temporal instability from 1.46% to 0.33% and increases template-path availability from 73.7% to 79.3%. We further show that BEV-only path extraction is fragile in monocular settings: in one profiled run, 99.3% of frames produced no valid BEV path. The final recommended architecture, image-space midpoint primary, image-space distance-transform fallback, and BEV reserved for visualization, runs the full perception-to-path stack in under 50 ms per frame on CPU, making it suitable for embedded pedestrian-speed micromobility systems.
- Abstract（参考訳）: サイドウォークスケールの経路抽出は、散らばった地図スパース環境において、コンパクトで低消費電力のハードウェア上で確実に動作する知覚と計画を要求する。
本稿では,マイクロモビリティシステムにおける歩道経路抽出のための単眼視覚パイプラインについて,スケルトングラフベースラインから距離変換廊下計画,軽量な画像空間アーキテクチャに至るまで,3つの設計イテレーションを通じて進行し,鳥眼ビュー(BEV)と画像空間領域の5つの経路計画手法を体系的に比較した。
コンパクトなSegFormer-B0学生モデルは、OneFormer Swin-L の擬似ラベルを用いて教師付き教師学生フレームワークで訓練され、1フレーム当たり 11.7 ms で0.946 の IoU を手書きの IoU を達成し、ベースラインチェックポイント(IoU 0.758, 18.9 ms)を改良した。
32個の手書きフレームの制御されたプランナー比較において、画像空間中点プランニングは、BEV距離変換計画(926.8ms、65.0pxセンターエラー)よりも421倍の速度アップ(98.5%対98.6%)で、最小の横方向中心誤差(14.3px)を達成する。
6つのキャンパスシーケンス(22,679フレーム)にわたるフルビデオのリプレイでは、改良されたセグメンテーションにより時間不安定が1.46%から0.33%に減少し、テンプレートパスの可用性が73.7%から79.3%に向上することを確認した。
さらに、BEVのみの経路抽出はモノクルな設定では脆弱であることが示され、一方のプロファイル実行では、99.3%のフレームが有効なBEVパスを生成していない。
最後に推奨されるアーキテクチャ、画像空間のミドルポイントプライマリ、画像空間の距離変換フォールバック、および可視化のために予約されたBEVは、CPU上の50ms以下のフレームで完全な知覚パススタックを実行し、組み込みの歩行者速度マイクロモビリティシステムに適合する。
関連論文リスト
- TIO-Former: Ultra-Lightweight 6-Directional ToF-Inertial Odometry for Nano-UAVs via a Streaming Causal Transformer [19.298838240329292]
TIO-FORMERは、ナノUAV用のカメラレス光フローナビゲーションフレームワークである。
ナノUAVの光学流と比較して、開ループ位置誤差を54.4%削減する。
資源制約されたマイクロエアリアルロボットに実用的なアンカーを提供する。
論文 参考訳（メタデータ） (2026-09-15T13:54:06Z) - On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability [57.03393882933515]
Qwen3.8-Flash-Nextは125Bパラメータ、トークンあたり6Bアクティベートされ、加速器から保持されるn-gram埋め込みテーブルの51Bパラメータを持つスパースミックス・オブ・エキスパートモデルである。
トレーニング前の14のベンチマークでは、このモデルは前モデルの397B-A17Bを8点、残りを少なくとも2.6ポイント、アクティベートされたパラメータが1/3、トレーニングトークンが1/3、トレーニング用FLOPが1/9であった。
論文 参考訳（メタデータ） (2026-08-31T06:35:07Z) - Calibration-Free Vehicle Speed Estimation: A Monocular Keypoint-Template Approach [0.8819673391477033]
本稿では,モノクロビデオから車両の速度を確実かつ効果的に推定するキャリブレーションフリーフレームワークを提案する。
提案フレームワークは,36キーポイントの車両テンプレートと,各フレームに更新されたホモグラフィ行列を用いて車両速度を推定する。
論文 参考訳（メタデータ） (2026-08-17T16:39:06Z) - OrthoTrack: Continuous 6-DoF UAV Trajectory Estimation Anchored in Public Orthophotos [76.81099730054356]
トレーニング不要なOrthoTrackを提案する。このシステムは6-DoFトラジェクトリの連続を,事前の地図として利用可能なオプティカルフォトとサーフェスモデルのみを用いて推定する。
movingDroneと現実世界のベンチマークでは、OrthoTrackは1つのGPUでリアルタイムに実行される。オラクルのスケールとアライメントを受ける場合でも、すべてのベースラインを大きなマージンで上回る。
論文 参考訳（メタデータ） (2026-06-24T00:05:01Z) - Fully Distributed Multi-View 3D Tracking in Real-Time [5.7805207139640915]
本稿では,リアルタイム多視点3Dトラッキングのための完全分散フレームワークMV3DTを提案する。
各カメラノードは、モノクロ3次元認識、分散多視点アソシエーション、協調融合からなる軽量なモジュールパイプラインを実行する。
MV3DTは、カメラのキャリブレーションをゼロショットで設定し、シーン固有の学習を必要とせず、新しい環境で直接デプロイできる。
論文 参考訳（メタデータ） (2026-06-11T09:51:55Z) - LightAVSeg: Lightweight Audio-Visual Segmentation [67.18006751024687]
LightAVSegは、セマンティックフィルタリングと空間接地のための分離された設計に置き換わっている。
実験では、軽量メソッド間で新しい最先端を実現することを実証している。
MS3ベンチマークで50.4 mIoUに達し、モバイルプロセッサでの効率的な推論を可能にする。
論文 参考訳（メタデータ） (2026-05-09T08:47:54Z) - LLM-Guided Agentic Floor Plan Parsing for Accessible Indoor Navigation of Blind and Low-Vision People [4.3114959617830015]
本稿では,単一のフロアプランイメージを構造化して検索可能な知識ベースに変換し,ナビゲーション命令を生成するエージェントフレームワークを提案する。
実世界のUMBC Math and Psychology Building (floors MP-1, MP-3) とCVC-FPベンチマークで評価を行った。
論文 参考訳（メタデータ） (2026-04-27T02:32:44Z) - CAFlow: Adaptive-Depth Single-Step Flow Matching for Efficient Histopathology Super-Resolution [0.0]
全スライディング画像は、通常、ギガピクセルの解像度を超えるため、計算集約的な生成超解像は、日常的な展開には不実用である。
適応的な1ステップフローマッチングフレームワークであるCAFlowを導入し,各画像タイルを最も浅いネットワーク出口にルーティングする。
多臓器の病理組織学的 x4 SR では、適応的ルーティングは完全な深さで 31.72 dB PSNR と 31.84 dB を達成し、最も浅い出口は SwinIR-light よりも2.8倍少ない計算で +1.9 dB を超える。
論文 参考訳（メタデータ） (2026-03-19T05:45:58Z) - A Deployment-Friendly Foundational Framework for Efficient Computational Pathology [48.3868019137117]
モデルオーバーパラメータ化とパッチレベルの冗長性を緩和するLitePathを提案する。
LitePathは、1億9000万のパッチを使用して3つの大きなPFMから蒸留されたコンパクトなモデルであるLiteFMを統合している。
LitePathはVirchhow2より104.5倍高速で、3000のスライドに対して0.36 kWhを消費する。
論文 参考訳（メタデータ） (2026-02-15T06:31:50Z) - TinyBEV: Cross Modal Knowledge Distillation for Efficient Multi Task Bird's Eye View Perception and Planning [0.0]
我々は、大規模な計画指向の教師のフルスタック能力を、コンパクトでリアルタイムな学生モデルに抽出する、統一されたカメラのみのBird's Eye View (BEV)フレームワークであるTinyBEVを紹介する。
TinyBEVは完全な自律スタック3D検出、HDマップセグメンテーション、モーション予測、占有率予測、28M-パラメータバックボーン内の目標指向計画をサポートする。
我々のモデル非依存多段階蒸留戦略は,高容量マルチモーダル知識を軽量BEVに効果的に伝達するために,特徴レベル,出力レベル,適応型領域認識の監視を組み合わせる。
論文 参考訳（メタデータ） (2025-09-22T19:54:02Z) - Fast-BEV: A Fast and Strong Bird's-Eye View Perception Baseline [76.48192454417138]
Bird's-Eye View (BEV)の表現は、次世代自動運転車(AV)の認識の基礎として期待されている。
本稿では,車載チップ上で高速なBEV認識を実現するフレームワークであるFast-BEVを提案する。
論文 参考訳（メタデータ） (2023-01-29T18:43:31Z) - EATFormer: Improving Vision Transformer Inspired by Evolutionary Algorithm [111.17100512647619]
本稿では、実証された実用的な進化的アルゴリズム(EA)と類似したビジョントランスフォーマーの合理性を説明する。
本稿では,EA ベースのトランス (EAT) ブロックのみを含む新しいピラミッド EATFormer バックボーンを提案する。
画像分類,下流タスク,説明実験に関する大規模かつ定量的な実験は,我々のアプローチの有効性と優位性を示すものである。
論文 参考訳（メタデータ） (2022-06-19T04:49:35Z) - BEVFusion: Multi-Task Multi-Sensor Fusion with Unified Bird's-Eye View Representation [105.96557764248846]
本稿では,汎用マルチタスクマルチセンサ融合フレームワークであるBEVFusionを紹介する。
共有鳥眼ビュー表示空間におけるマルチモーダル特徴を統一する。
3Dオブジェクト検出では1.3%高いmAPとNDS、BEVマップのセグメンテーションでは13.6%高いmIoU、コストは1.9倍である。
論文 参考訳（メタデータ） (2022-05-26T17:59:35Z)
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。