論文の概要: Bootstrapping a 4D LiDAR Annotation Tool from Video Foundation Models
- arxiv url: http://arxiv.org/abs/2608.25418v1
- Date: Wed, 26 Aug 2026 06:20:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.618119
- Title: Bootstrapping a 4D LiDAR Annotation Tool from Video Foundation Models
- Title（参考訳）: ビデオファンデーションモデルによる4D LiDARアノテーションツールのブートストラップ
- Abstract要約: LiDAR-SAM2は、2Dビデオ基盤であるSAM2を4D LiDARドメインのスケーラブルな管理源に変えるフレームワークである。
データ側ではSAM2ビデオマスクから時間的コヒーレントなLiDARレベルラベルを自動的に生成する。
モデリング側では、調整されたモダリティインタフェースと2段階学習がSAM2sビデオセグメンテーションカーネルから時相LiDAR構造に適応する。
- 参考スコア（独自算出の注目度）: 51.635812333029314
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Progress in 4D LiDAR segmentation is bottlenecked by data. Assigning temporally consistent labels across sparse point cloud sequences is costly and hard to scale, and every new task or domain tends to demand fresh dense annotation. This motivates a simple question of whether high-quality LiDAR training data can be produced automatically, without any human labeling. To this end, we introduce LiDAR-SAM2, a framework that turns a 2D video foundation model, SAM2, into a scalable source of supervision for the 4D LiDAR domain. On the data side, it automatically generates temporally coherent LiDAR-level labels from SAM2 video masks through multi-view projection and spatio-temporal aggregation. On the modeling side, a tailored modality interface and a two-stage learning objective adapt SAM2's video segmentation kernel to spatio-temporal LiDAR structure, so that a single click per object yields a consistent mask track across the sequence. Trained with no human LiDAR annotation, LiDAR-SAM2 produces semantic and panoptic labels on SemanticKITTI that approach the quality of full human annotation from only a few points, and models trained on these labels approach the performance of full ground-truth supervision. This positions LiDAR-SAM2 as a scalable labeling tool that substantially reduces the annotation burden for 3D and 4D scene understanding.
- Abstract（参考訳）: 4D LiDARセグメンテーションの進歩は、データによってボトルネックになっている。
スパースポイントのクラウドシーケンスに時間的に一貫したラベルを割り当てるのは費用がかかり、スケールが難しい。
このことは、高品質なLiDARトレーニングデータが人間のラベルなしで自動的に作成できるかどうかという単純な疑問を動機付けている。
この目的のために、2Dビデオ基盤モデルであるSAM2を4D LiDARドメインのスケーラブルな管理源とするフレームワークであるLiDAR-SAM2を紹介した。
データ側では、多視点投影と時空間アグリゲーションによりSAM2ビデオマスクから時間的コヒーレントなLiDARレベルラベルを自動的に生成する。
モデリング側では、調整されたモダリティインタフェースと2段階学習目標がSAM2のビデオセグメンテーションカーネルを時空間LiDAR構造に適応させ、オブジェクトごとの1クリックでシーケンス全体にわたって一貫したマスクトラックが得られる。
人間のLiDARアノテーションなしで訓練されたLiDAR-SAM2は、SemanticKITTIのセマンティック・パノプティ・ラベルを生成し、わずかな点から完全な人間のアノテーションの品質にアプローチする。
これにより、LiDAR-SAM2は3Dおよび4Dシーン理解のアノテーション負担を大幅に軽減するスケーラブルなラベリングツールとして位置づけられる。
関連論文リスト
- ALISE: Annotation-Free LiDAR Instance Segmentation for Autonomous Driving [9.361724251990154]
アノテーションなしでLiDARインスタンスセグメンテーションを実行する新しいフレームワークであるALISEを紹介する。
我々のアプローチは、テキストと画像でガイドされたビジョンファウンデーションモデル(VFM)を用いて、初期の擬似ラベルを生成することから始まります。
そして、これらのラベルを、オフラインとオンラインの両方の最適化のために2Dと3Dのセマンティクスを組み合わせた専用の手動時間投票モジュールで洗練します。
この包括的な設計により、パフォーマンスが大幅に向上し、教師なしの3Dインスタンスセグメンテーションのための新しい最先端技術が確立される。
論文 参考訳（メタデータ） (2025-10-07T10:15:18Z) - Learning to Generate 4D LiDAR Sequences [28.411253849111755]
本稿では,自由形式言語を編集可能なLiDARシーケンスに変換する統一フレームワークLiDARCrafterを提案する。
LiDARCrafterは最先端の忠実さ、コントロール可能性、時間的一貫性を実現し、LiDARベースのシミュレーションとデータ拡張の基礎を提供する。
論文 参考訳（メタデータ） (2025-09-15T14:14:48Z) - LiDARCrafter: Dynamic 4D World Modeling from LiDAR Sequences [28.411253849111755]
LiDARCrafterは、4D LiDARの生成と編集のための統一されたフレームワークである。
あらゆるレベルの忠実さ、可制御性、時間的一貫性において、最先端のパフォーマンスを達成する。
コードとベンチマークはコミュニティにリリースされている。
論文 参考訳（メタデータ） (2025-08-05T17:59:56Z) - SALT: A Flexible Semi-Automatic Labeling Tool for General LiDAR Point Clouds with Cross-Scene Adaptability and 4D Consistency [12.47241966988188]
一般のLiDAR点雲に対するフレキシブルな半自動ラベリングツール(SALT)を提案する。
SALTは、生のLiDARデータを直接操作し、自動でプリセグメンテーション結果を生成する。
私たちは、SALTのオープンソース化が現在のLiDARデータセットの大幅な拡張を触媒することを期待しています。
論文 参考訳（メタデータ） (2025-03-31T11:46:55Z) - SuperFlow++: Enhanced Spatiotemporal Consistency for Cross-Modal Data Pretraining [62.433137130087445]
SuperFlow++は、連続するカメラペアを使用して事前トレーニングと下流タスクを統合する新しいフレームワークである。
SuperFlow++は様々なタスクや運転条件で最先端のメソッドよりも優れています。
強力な一般化性と計算効率により、SuperFlow++は、自動運転におけるデータ効率の高いLiDARベースの認識のための新しいベンチマークを確立する。
論文 参考訳（メタデータ） (2025-03-25T17:59:57Z) - OLiDM: Object-aware LiDAR Diffusion Models for Autonomous Driving [74.06413946934002]
OLiDMはオブジェクトとシーンレベルの両方で高忠実度LiDARデータを生成できる新しいフレームワークである。
OLiDMは、Object-Scene Progressive Generation (OPG) モジュールとObject Semantic Alignment (OSA) モジュールの2つの重要なコンポーネントで構成されている。
OPGは、ユーザ固有のプロンプトに適応して、望まれる前景オブジェクトを生成し、その後、シーン生成の条件として使用される。
OSAは、前景のオブジェクトと背景のシーンとの不一致を是正し、生成されたオブジェクトの全体的な品質を高めることを目的としている。
論文 参考訳（メタデータ） (2024-12-23T02:43:29Z) - Segment, Lift and Fit: Automatic 3D Shape Labeling from 2D Prompts [50.181870446016376]
本稿では,2Dポイントやボックスプロンプトから3Dオブジェクトを自動的にラベル付けするアルゴリズムを提案する。
従来のアートとは異なり、自動ラベルはバウンディングボックスの代わりに3D形状を予測し、特定のデータセットのトレーニングを必要としない。
論文 参考訳（メタデータ） (2024-07-16T04:53:28Z) - Approaching Outside: Scaling Unsupervised 3D Object Detection from 2D Scene [22.297964850282177]
教師なし3次元検出のためのLiDAR-2D Self-paced Learning (LiSe)を提案する。
RGB画像は、正確な2Dローカライゼーションキューを提供するLiDARデータの貴重な補完となる。
本フレームワークでは,適応型サンプリングと弱いモデルアグリゲーション戦略を組み込んだ自己評価学習パイプラインを考案する。
論文 参考訳（メタデータ） (2024-07-11T14:58:49Z) - An Effective Motion-Centric Paradigm for 3D Single Object Tracking in
Point Clouds [50.19288542498838]
LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。
現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。
我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
論文 参考訳（メタデータ） (2023-03-21T17:28:44Z) - LiDAR-based 4D Panoptic Segmentation via Dynamic Shifting Network [56.71765153629892]
本稿では,ポイントクラウド領域における効果的な単視分割フレームワークとして機能する動的シフトネットワーク(DS-Net)を提案する。
提案するDS-Netは,両タスクの現在の最先端手法よりも優れた精度を実現する。
DS-Netを4次元パノプティカルLiDARセグメンテーションに拡張し、一列のLiDARフレーム上で時間的に統一されたインスタンスクラスタリングを行う。
論文 参考訳（メタデータ） (2022-03-14T15:25:42Z)
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。