論文の概要: uScenes: A Multimodal RGB and 3D Sonar Dataset for Underwater Robot Perception

• arxiv url: http://arxiv.org/abs/2608.27795v1
• Date: Fri, 28 Aug 2026 00:21:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.169895
• Title: uScenes: A Multimodal RGB and 3D Sonar Dataset for Underwater Robot Perception
• Title（参考訳）: uScenes:水中ロボット認識のためのマルチモーダルRGBと3Dソナーデータセット
• Abstract要約: 光カメラは、照明と後方散乱が弱いと信頼性が低下する。 前向きの音響センサーはこれらの条件下では有効であるが、高度を未解決のままにしながら範囲と軸受を測定する。 シンクロナイズド3次元マルチビームソナー点雲とRGB画像を含むマルチモーダル水中データセットである textbfuScenes を紹介する。
• 参考スコア（独自算出の注目度）: 14.201392358847729
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robust perception is essential for the deployment of autonomous underwater robots. However, optical cameras become unreliable under poor illumination and backscatter. Forward looking (2D) acoustic sensors remain effective under these conditions, but they measure range and bearing while leaving elevation unresolved, creating an ambiguity that prevents individual sonar returns from being localized in three dimensional (3D) space. This complicates the sensor use for 3D scene understanding and precise object detection. We introduce \textbf{uScenes}, a multimodal underwater dataset containing synchronized 3D multibeam sonar point clouds and RGB imagery. The dataset contains 110 scenes and 95,834 synchronized observation, representing 277.6 minutes of data collected across multiple field sessions. uScenes establishes a foundation for underwater sensor fusion, cross modal representation learning and 3D scene understanding. Code and datasets are given at https://github.com/era-research-lab/uScenes.
• Abstract（参考訳）: 自律型水中ロボットの展開にはロバストな認識が不可欠である。 しかし、光カメラは、照明と後方散乱が弱いと信頼性が低下する。 前向き(2D)音響センサは、これらの条件下では有効であるが、高度を未解決のまま残しながら範囲と軸受を測定し、個々のソナーの帰還が3次元(3D)空間で局所化されるのを防ぐ曖昧さを生み出す。 これにより、3Dシーンの理解と正確な物体検出にセンサを使用するのが複雑になる。 同期3次元マルチビームソナー点雲とRGB画像を含むマルチモーダル水中データセットである「textbf{uScenes}」を紹介する。 データセットには110のシーンと95,834の同期観測が含まれており、複数のフィールドセッションで収集された277.6分のデータを表している。 uScenesは水中センサー融合、クロスモーダル表現学習、三次元シーン理解の基礎を確立している。 コードとデータセットはhttps://github.com/era-research-lab/uScenesで公開されている。

関連論文リスト

• Multistream Network for LiDAR and Camera-based 3D Object Detection in Outdoor Scenes [59.78696921486972]
  LiDARとRGBデータの融合により、屋外の3Dオブジェクト検出精度が向上する可能性がある。 両データモダリティからタスク関連情報を的確に抽出するMultiStream Detection (MuStD) ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-07-25T14:20:16Z)
• Towards Scalable Spatial Intelligence via 2D-to-3D Data Lifting [64.64738535860351]
  単一ビュー画像を包括的・スケール的・外観リアルな3D表現に変換するスケーラブルなパイプラインを提案する。 本手法は,画像の膨大な保存と空間的シーン理解への需要の増大とのギャップを埋めるものである。 画像から精度の高い3Dデータを自動的に生成することにより,データ収集コストを大幅に削減し,空間知性を向上するための新たな道を開く。
  論文  参考訳（メタデータ） (2025-07-24T14:53:26Z)
• Sparse Points to Dense Clouds: Enhancing 3D Detection with Limited LiDAR Data [68.18735997052265]
  単分子と点雲に基づく3次元検出の利点を組み合わせたバランスの取れたアプローチを提案する。 本手法では,低コストで低解像度のセンサから得られる3Dポイントを少数必要としている。 3次元検出の精度は最先端の単分子検出法と比較して20%向上する。
  論文  参考訳（メタデータ） (2024-04-10T03:54:53Z)
• Touch-GS: Visual-Tactile Supervised 3D Gaussian Splatting [13.895893586777802]
  光触覚センサを用いた3次元ガウス撮影シーンの監視手法を提案する。 我々は、DenseTact光触覚センサとRealSense RGB-Dカメラを活用し、この方法でタッチとビジョンを組み合わせることで、視覚やタッチ単独よりも定量的に質的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-03-14T21:09:59Z)
• SurroundOcc: Multi-Camera 3D Occupancy Prediction for Autonomous Driving [98.74706005223685]
  3Dシーン理解は、視覚に基づく自動運転において重要な役割を果たす。 マルチカメラ画像を用いたSurroundOcc法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T17:59:08Z)
• 3DPPE: 3D Point Positional Encoding for Multi-Camera 3D Object Detection Transformers [35.14784758217257]
  本稿では,3D検出トランスフォーマーデコーダに3Dポイント位置符号化,3DPPEを導入する。 近似にもかかわらず、3DPPEは競合するnuScenesデータセット上で46.0 mAPと51.4 NDSを達成した。
  論文  参考訳（メタデータ） (2022-11-27T03:36:32Z)
• Time and Cost-Efficient Bathymetric Mapping System using Sparse Point Cloud Generation and Automatic Object Detection [0.0]
  サイドスキャンソナーセンサーは安価で、特に魚用ファインダーで利用できる。 サイドスキャンソナー画像から3D情報を抽出することは、信号対雑音比が低いため難しい課題である。 本稿では,サイドスキャンソナー画像からスパース3D点雲を生成する効率的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-19T02:58:08Z)
• 3D Semantic Scene Perception using Distributed Smart Edge Sensors [29.998917158604694]
  本稿では,分散スマートエッジセンサのネットワークからなる3次元セマンティックシーン認識システムを提案する。 センサーノードは、組み込みCNN推論アクセラレータとRGB-Dおよびサーマルカメラに基づいている。 提案システムでは,複数の人物の3次元ポーズをリアルタイムで推定し,意味的アノテーションを付加したシーンビューを提供する。
  論文  参考訳（メタデータ） (2022-05-03T12:46:26Z)
• Indoor Semantic Scene Understanding using Multi-modality Fusion [0.0]
  本研究では,環境のセマンティックマップを生成するために,2次元および3次元検出枝を融合したセマンティックシーン理解パイプラインを提案する。 収集したデータセットで評価された以前の研究とは異なり、私たちはアクティブなフォトリアリスティックなロボット環境でパイプラインをテストする。 我々の新規性には、投影された2次元検出とオブジェクトサイズに基づくモダリティ融合を用いた3次元提案の修正が含まれる。
  論文  参考訳（メタデータ） (2021-08-17T13:30:02Z)
• PC-DAN: Point Cloud based Deep Affinity Network for 3D Multi-Object Tracking (Accepted as an extended abstract in JRDB-ACT Workshop at CVPR21) [68.12101204123422]
  点雲は3次元座標における空間データの密集したコンパイルである。 我々は3次元多目的追跡(MOT)のためのPointNetベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-03T05:36:39Z)
• EagerMOT: 3D Multi-Object Tracking via Sensor Fusion [68.8204255655161]
  マルチオブジェクトトラッキング(MOT)により、移動ロボットは周囲の物体を3次元空間と時間で位置づけすることで、良好な動作計画とナビゲーションを行うことができる。 既存の方法は、深度センサー(例えばLiDAR)を使用して3D空間のターゲットを検出し追跡するが、信号の間隔が限られているため、検出範囲は限られている。 我々は,両方のセンサモダリティから利用可能な物体を全て統合し,シーンのダイナミックスを適切に解釈する簡易なトラッキング定式化であるeagermotを提案する。
  論文  参考訳（メタデータ） (2021-04-29T22:30:29Z)

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。