論文の概要: OPUS-V2: Bridging the Gap between Sparse Points and Dense Voxels

• arxiv url: http://arxiv.org/abs/2608.29187v1
• Date: Sat, 29 Aug 2026 10:45:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.870612
• Title: OPUS-V2: Bridging the Gap between Sparse Points and Dense Voxels
• Title（参考訳）: OPUS-V2:スパースポイントとDense Voxelsのギャップを埋める
• Abstract要約: OPUS-V2(OPUS-V2)を提案する。 OPUS-V2はデコーダの後方に軽量な点ボクセル変換(PVT)モジュールを組み込んで、スパース予測を密度の高いボクセル空間に適応的にマッピングする。 我々のアーキテクチャは特徴と占有率の生成プロセスを分離し、OPUS-V2が任意の占有率の解決に適応できるようにします。
• 参考スコア（独自算出の注目度）: 74.61043439622689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The point-based occupancy prediction paradigm has achieved an attractive trade-off between accuracy and efficiency by modeling 3D space sparsely. However, its predictions inherently mismatch the dense voxel-based occupancy required by self-driving systems, necessitating hand-crafted heuristics during training and inference that limit final performance. To overcome these limitations, we propose OPUS-V2, a novel framework built upon the pioneering OPUS (occupancy prediction using a sparse set) point-based approach. OPUS-V2 incorporates a lightweight point-voxel transformation (PVT) module behind the decoder to adaptively map sparse predictions into the dense voxel space, eliminating the need for suboptimal operations and improving model accuracy. Furthermore, our architecture decouples feature and occupancy generation processes, allowing OPUS-V2 to adapt to arbitrary occupancy resolutions. OPUS-V2 achieves a state-of-the-art rayIoU of 44.0 on the Occ3D dataset. On the more challenging OpenOccupancy dataset, it attains a competitive 16.4 mIoU while running in real time at 20.6 FPS.
• Abstract（参考訳）: 点ベース占有予測パラダイムは,3次元空間を疎結合にモデル化することにより,精度と効率の良好なトレードオフを実現している。 しかし、その予測は本質的には、自動運転システムに必要な密度の高いボクセルベースの占有をミスマッチさせ、トレーニング中に手作りのヒューリスティックを必要とし、最終的なパフォーマンスを制限する推論を必要とする。 これらの制約を克服するために,OPUS-V2を提案する。 OPUS-V2は、デコーダの後方に軽量なポイントボクセル変換(PVT)モジュールを組み込んで、スパース予測を密度の高いボクセル空間に適応的にマッピングし、最適化操作の必要性を排除し、モデルの精度を向上させる。 さらに,アーキテクチャは特徴と占有率の生成プロセスを分離し,OPUS-V2が任意の占有率の解決に適応できるようにする。 OPUS-V2はOcc3Dデータセット上で44.0の最先端のrayIoUを達成する。 より困難なOpenOccupancyデータセットでは、20.6 FPSでリアルタイムに実行しながら、競争力のある16.4 mIoUを達成した。

関連論文リスト

• CLFTv2: Efficient Camera-LiDAR Fusion for Semantic Segmentation via Hierarchical Feature Pyramids [0.0]
  我々は,グローバルなViT注目に取って代わる階層型カメラ-LiDAR融合フレームワークであるCLFTv2を紹介する。 ZODでは、CLFTv2-Largeは53.5% mIoUを達成し、歩行者IoUを35.5%から44.9%に改善した。 SwinベースのMask2Formerと比べ、CLFTv2は1.4$times$少ないGFLOPを必要とし、2.2$times$高いスループットを提供する。
  論文  参考訳（メタデータ） (2026-09-09T08:37:06Z)
• Scaling Parallel Sequence Models to Foundation-Scale Vision Encoders [123.58723804218151]
  ビジョンファウンデーションモデルは、自己注意の二次的なコストによってボトルネックとなる。 2次元空間伝搬伝搬に基づくC-GSPNを提案する。
  論文  参考訳（メタデータ） (2026-05-30T14:29:43Z)
• BWTA: Accurate and Efficient Binarized Transformer by Algorithm-Hardware Co-design [71.97035034203275]
  バイナライゼーションにおけるゼロ点歪みを解析し,BWTA量子化方式を提案する。 本稿では,Smooth Multi-Stage Quantizationを提案し,レベルワイド・デグラデーション・ストラテジーとMagnitude Alignment Projection Factorを組み合わせた。 実験の結果、BWTAはTransformerベースのモデルに対して、GLUEでは平均3.5%、タスクでは2%未満の精度でフル精度のパフォーマンスにアプローチしていることがわかった。
  論文  参考訳（メタデータ） (2026-04-05T04:25:07Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• DSVT: Dynamic Sparse Voxel Transformer with Rotated Sets [95.84755169585492]
  本研究では,屋外3次元知覚のためのシングルストライドウィンドウベースのボクセルトランスであるDynamic Sparse Voxel Transformer (DSVT)を提案する。 本モデルでは,3次元認識タスクを多岐にわたって行うことにより,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-01-15T09:31:58Z)
• DV-Det: Efficient 3D Point Cloud Object Detection with Dynamic Voxelization [0.0]
  本稿では,効率的な3Dポイント・クラウド・オブジェクト検出のための新しい2段階フレームワークを提案する。 生のクラウドデータを3D空間で直接解析するが、目覚ましい効率と精度を実現する。 我々は,75 FPSでKITTI 3Dオブジェクト検出データセットを,25 FPSの推論速度で良好な精度でOpenデータセット上で強調する。
  論文  参考訳（メタデータ） (2021-07-27T10:07:39Z)
• BEVDetNet: Bird's Eye View LiDAR Point Cloud based Real-time 3D Object Detection for Autonomous Driving [6.389322215324224]
  キーポイント,ボックス予測,方向予測を用いたオブジェクト中心検出のための単一統一モデルとして,新しいセマンティックセマンティックセマンティクスアーキテクチャを提案する。 提案されたアーキテクチャは簡単に拡張でき、追加の計算なしで Road のようなセマンティックセグメンテーションクラスを含めることができる。 モデルは、KITTIデータセット上のIoU=0.5の平均精度で2%の最小精度の劣化で、他のトップ精度モデルよりも5倍高速です。
  論文  参考訳（メタデータ） (2021-04-21T22:06:39Z)
• A Privacy-Preserving-Oriented DNN Pruning and Mobile Acceleration Framework [56.57225686288006]
  モバイルエッジデバイスの限られたストレージとコンピューティング能力を満たすために、ディープニューラルネットワーク(DNN)の軽量プルーニングが提案されている。 従来のプルーニング手法は主に、ユーザデータのプライバシを考慮せずに、モデルのサイズを減らしたり、パフォーマンスを向上させることに重点を置いていた。 プライベートトレーニングデータセットを必要としないプライバシ保護指向のプルーニングおよびモバイルアクセラレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-13T23:52:03Z)

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。