論文の概要: Generative Semantic Scene Completion

• arxiv url: http://arxiv.org/abs/2608.26737v1
• Date: Thu, 27 Aug 2026 07:29:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.288625
• Title: Generative Semantic Scene Completion
• Title（参考訳）: 生成的セマンティックシーンコンプリート
• Abstract要約: 生成的セマンティック・シーン・コンプリート (GSSC) を3つの役割で1つの離散拡散式として再放送した。 まず、ペア化されたスパース・デンス・シーン合成により、密集したセマンティック・コンプリートとともに一致したスパース・LiDAR観測を生成する。 第2に、意味誘導型生成シーン補完(SGSC)は、多項離散拡散を伴うノイズからシーンを生成する。 第3に、同じフレームワークが既存の完了を1つのフローマッチングステップで洗練する。
• 参考スコア（独自算出の注目度）: 14.636963137141086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Outdoor LiDAR semantic scene completion (SSC) recovers a dense semantic voxel grid from a scan observing 1% of the target volume, under class imbalance beyond 7,000x. We recast SSC as generative semantic scene completion (GSSC): a single discrete-diffusion formulation in three roles. First, paired sparse-dense scene synthesis (PS$^3$) generates matched sparse LiDAR observations with their dense semantic completions, addressing the long tail at its source and yielding the PS$^3$-SemanticKITTI corpus we train on alongside SemanticKITTI. Second, semantic-guided generative scene completion (SGSC) generates the scene from noise with multinomial discrete diffusion, conditioned on the sparse scan through a bird's-eye-view semantic map and a sparse 3D feature stream. Third, the same framework instead refines an existing completion in one flow-matching step: structured source discrete diffusion (S$^2$D$^2$). S$^2$D$^2$ improves the mIoU of SGSC's own output and every external SSC base tested, without base retraining or test-time adaptation. On the strongest base, one step without test-time augmentation reaches 38.8% mIoU on the SemanticKITTI hidden test. To our knowledge that is the best causal, single-sweep, single-sample result on that leaderboard, +2.1 pp over the previous best published score under the same restriction. Four correction steps with eight-view test-time augmentation reach 39.2%, outside that restriction.
• Abstract（参考訳）: 外部LiDARセマンティックシーンコンプリート(SSC)は、ターゲットボリュームの1%を走査し、クラス不均衡の下で、密度の高いセマンティックなボクセルグリッドを復元する。 我々はSSCをジェネレーティブ・セマンティック・シーン・コンプリート (GSSC: Generative semantic scene completion) と再考した。 まず、ペア化されたスパース・シーン合成 (PS$^3$) は、密集したセマンティックKITTIと共に訓練したPS$^3$-SemanticKITTIコーパスを生成する。 第2に、意味誘導生成シーン完了(SGSC)は、鳥の目視意味マップとスパース3D特徴ストリームを介してスパーススキャンに条件付された多項離散拡散ノイズからシーンを生成する。 第3に、同じフレームワークは既存の完了を1つのフローマッチングステップで洗練する:構造化ソース離散拡散(S$^2$D$^2$)。 S$^2$D$^2$は、SGSC自身の出力のmIoUを改善し、ベースリトレーニングやテストタイム適応なしにテストされた外部SSCベースをすべて改善する。 最強の基地では、セマンティックKITTIの隠れテストでは、テストタイム増強のない1ステップが38.8% mIoUに達する。 我々の知る限り、最も因果的でシングルスイープでシングルスイープな結果は、そのリーダーボード上の+2.1ppで、同じ制限の下で発行された前のベストスコアよりも高い。 8ビューの試験時間増強を伴う4つの修正ステップは、その制限の外側で39.2%に達した。

関連論文リスト

• Mining Subscenario Refactoring Opportunities in Behaviour-Driven Software Test Suites: ML Classifiers and LLM-Judge Baselines [1.9537983097153042]
  振る舞い駆動開発(BDD)ソフトウェアテストスイートは、重複したステップサブシーケンスを蓄積します。 3つのパブリッシュパターンが利用可能である(ファイルの背景、再利用可能な再利用可能なシナリオ呼び出し、組織間の共有高レベルステップ)。 繰り返し続くサブシーケンスが抽出に値するか、どのメカニズムが適用されるかを自動化する前の作業はありません。
  論文  参考訳（メタデータ） (2026-05-14T08:38:04Z)
• Enhancing 3D Semantic Scene Completion with a Refinement Module [14.315446076114462]
  ESSC-RMはセマンティック・シーン・コンプリートのためのプラグイン・アンド・プレイ・エンハンシング・フレームワークである。 ESSC-RMはセマンティック予測性能を一貫して改善することを示す。 これらの結果から,ESSC-RMは多種多様なSSCモデルに適用可能な汎用化フレームワークとして機能することが示唆された。
  論文  参考訳（メタデータ） (2025-12-20T13:30:21Z)
• SplatSSC: Decoupled Depth-Guided Gaussian Splatting for Semantic Scene Completion [31.116931865374564]
  3Dセマンティックシーンコンプリート(Semantic Scene Completion)は、1つの画像からシーンの密集した幾何学的、意味的な記述を推論することを目的とした、挑戦的で有望なタスクである。 本稿では,これらの制約を,奥行き誘導初期化戦略とガウスアグリゲータにより解決する新しいフレームワークであるSplatSSCを提案する。 提案手法は,Occ-ScanNetデータセット上での最先端性能を実現し,IoUの6.3%,mIoUの4.1%以上の先行手法より優れていた。
  論文  参考訳（メタデータ） (2025-08-04T10:09:31Z)
• Rethinking End-to-End 2D to 3D Scene Segmentation in Gaussian Splatting [86.15347226865826]
  We design an new end-to-end object-aware lifting approach, called Unified-Lift。 コントラスト損失を用いて学習したガウスレベルの機能を各ガウス点に拡張し、インスタンス情報をエンコードする。 LERF-Masked、Replica、Messy Roomsの3つのベンチマークで実験を行った。
  論文  参考訳（メタデータ） (2025-03-18T08:42:23Z)
• Llama Scope: Extracting Millions of Features from Llama-3.1-8B with Sparse Autoencoders [115.34050914216665]
  スパースオートエンコーダ(SAE)は、言語モデルからスパース表現を抽出する強力な教師なし手法として登場した。 我々は、Llama-3.1-8B-Baseモデルの各層とサブ層で訓練された256個のSAEスイートを紹介し、32Kと128Kの特徴を持つ。 基礎モデルに基づいて訓練されたSAEのより長い文脈と微調整モデルへの一般化性を評価する。
  論文  参考訳（メタデータ） (2024-10-27T17:33:49Z)
• Camera-based 3D Semantic Scene Completion with Sparse Guidance Network [18.415854443539786]
  本稿では,SGNと呼ばれるカメラベースのセマンティックシーン補完フレームワークを提案する。 SGNは空間幾何学的手がかりに基づいてセマンティック・アウェア・シード・ボクセルからシーン全体へのセマンティクスの伝播を行う。 実験の結果,既存の最先端手法よりもSGNの方が優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-10T04:17:27Z)
• Towards Realistic Zero-Shot Classification via Self Structural Semantic Alignment [53.2701026843921]
  大規模事前訓練型視覚言語モデル(VLM)はゼロショット分類に有効であることが証明されている。 本稿では,アノテーションではなく,より広い語彙を前提とした,より難易度の高いゼロショット分類(Realistic Zero-Shot Classification)を提案する。 本稿では,ラベルのないデータから構造意味情報を抽出し,同時に自己学習を行う自己構造意味アライメント(S3A)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-24T17:56:46Z)
• Semantic Scene Completion with Cleaner Self [93.99441599791275]
  セマンティックシーンコンプリート(SSC)は、単一のビュー深さと/またはRGB 2Dピクセルの画像を3Dボクセルに変換し、それぞれのセマンティックラベルが予測される。 SSCは、予測モデルが目に見える表面の背後にあるものを「想像する」必要があるため、よく知られた偽装問題であり、通常はTrncated Signed Distance Function (TSDF) によって表される。 我々は3Dボクセルを用いて、TSDF-CADと呼ばれる完全な可視表面を生成し、次に「クリーン」なSSCモデルを訓練する。 モデルはノイズフリーなので、期待できる。
  論文  参考訳（メタデータ） (2023-03-17T13:50:18Z)
• GSMFlow: Generation Shifts Mitigating Flow for Generalized Zero-Shot Learning [55.79997930181418]
  Generalized Zero-Shot Learningは、目に見えないクラスから見えないクラスに意味的な知識を移すことで、目に見えないクラスと見えないクラスの両方から画像を認識することを目的としている。 生成モデルの利点を生かして、見学したクラスから学んだ知識に基づいて、現実的な見知らぬサンプルを幻覚させることは、有望な解決策である。 本研究では,複数の条件付きアフィン結合層からなるフローベース生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-05T04:04:37Z)
• Low-complexity deep learning frameworks for acoustic scene classification [64.22762153453175]
  音響シーン分類(ASC)のための低複雑さ深層学習フレームワークを提案する。 提案するフレームワークは、フロントエンドのスペクトログラム抽出、オンラインデータ拡張、バックエンドの分類、予測される確率の後期融合の4つの主要なステップに分けることができる。 DCASE 2022 Task 1 Development データセットで実施した実験は,低複雑さの要求を十分に満たし,最も高い分類精度を 60.1% で達成した。
  論文  参考訳（メタデータ） (2022-06-13T11:41:39Z)
• Sparse Single Sweep LiDAR Point Cloud Segmentation via Learning Contextual Shape Priors from Scene Completion [43.86692068523167]
  LiDARポイントクラウド分析は、3Dコンピュータビジョン、特に自動運転のコアタスクである。 本論文では,学習したコンテキスト形状の優先度を補助する新しいLiDAR点群セマンティックセグメンテーションフレームワークを提案する。 JS3C-NetはSemanticKITTIとSemanticPOSSベンチマークの両方で優れたパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-12-07T14:58:25Z)

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。