論文の概要: InfraOcc: An Infrastructure Occupancy Benchmark with Static-to-Dynamic Reasoning
- arxiv url: http://arxiv.org/abs/2608.30657v1
- Date: Mon, 31 Aug 2026 11:56:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.379309
- Title: InfraOcc: An Infrastructure Occupancy Benchmark with Static-to-Dynamic Reasoning
- Title（参考訳）: InfraOcc:静的から動的推論を備えたインフラストラクチャの運用ベンチマーク
- Abstract要約: InfraOccは、インフラ側のセマンティック占有率の最初のベンチマークである。
静的なインフラストラクチャは97.3%の占有ボクセルを埋め、フレームをまたいで持続するのに対し、ダイナミックな参加者は1カ所あたりの占有フレーム比が1.8%しか持たない。
本稿では,ProSD-Occを提案する。
- 参考スコア（独自算出の注目度）: 24.456980807319113
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fixed-viewpoint infrastructure sensors repeatedly observe the same traffic space, making roadside 3D occupancy structurally different from ego-vehicle perception: a near-persistent static scaffold is overlaid with sparse, short-lived dynamic events. Existing occupancy benchmarks and methods, however, are built around moving ego vehicles and neither measure nor exploit this structure, instead treating occupancy as flat one-shot voxel classification. We address this gap from both data and model perspectives. We build InfraOcc, to our knowledge, the first real-world infrastructure-side semantic occupancy benchmark, with dense voxel annotations for 290 multi-modal sequences in a fixed roadside frame, a static-dynamic decoupled annotation pipeline, unified camera-only, LiDAR-only, and multi-modal evaluation, and diagnostics for static and dynamic occupancy. InfraOcc shows that static infrastructure fills 97.3% of occupied voxels and persists across frames, whereas dynamic participants have a median occupied-frame ratio of only 1.8% per location, revealing a structural static-dynamic asymmetry beyond semantic long-tailedness. We further propose ProSD-Occ, which reformulates occupancy as progressive static-to-dynamic evidence reasoning: it explains persistent layout, exposes residual dynamic evidence under static-confidence guidance, and recomposes static, dynamic, and free-space evidence into a unified field. ProSD-Occ ranks first in overall, dynamic, static, and geometric occupancy on every track, e.g., a 23.5% relative camera-only dynamic-mIoU gain over the strongest baseline and 65.87 multi-modal overall mIoU, establishing fixed-viewpoint roadside occupancy as a distinct problem with its own reasoning paradigm. The benchmark and code will be publicly available at https://github.com/yanglei18/InfraOcc
- Abstract（参考訳）: 固定ビューポイントのインフラセンサーは、同じ交通空間を何度も観察し、路面の3D占有率をエゴ車両の知覚と構造的に異なるようにしている。
しかし、既存の占有率のベンチマークと手法は、移動中のエゴ車を中心に構築されており、この構造を計測も利用もせず、代わりに、占有率を平らなワンショットのボクセル分類として扱う。
データとモデルの両方の観点から、このギャップに対処します。
InfraOccは、私たちの知る限り、最初の実世界のインフラストラクチャサイドセマンティック占有度ベンチマークで、固定されたロードサイドフレーム内の290のマルチモーダルシーケンスに対する密度の高いボクセルアノテーション、静的なデカップリングされたアノテーションパイプライン、カメラのみの統一、LiDARのみ、マルチモーダル評価、静的および動的占有度のための診断機能を備えています。
InfraOccは、静的なインフラストラクチャは97.3%の占有ボクセルを埋め、フレームをまたいで持続することを示しているが、動的参加者は1カ所あたりの占有フレーム比が1.8%しかなく、セマンティック・ロングテールネスを超えた構造的静的な非対称性を示す。
さらに,ProSD-Occは,定常的レイアウトの説明,静的信頼指導による残留動的証拠の公開,静的,動的,自由空間的証拠の統一的なフィールドへの再構成など,進行的静的-動的エビデンスとして占有率を再定義する。
プロSD-Occは、全てのトラックにおける全体的、動的、静的、幾何学的占有率、例えば、23.5%のカメラのみのダイナミックmIoUが最強のベースライン、65.87のマルチモーダルな全体mIoUを上回り、固定視点道路側占有率を独自の推論パラダイムによる別の問題として確立した。
ベンチマークとコードはhttps://github.com/yanglei18/InfraOccで公開される。
関連論文リスト
- When GNNs Fail: Quantifying and Overcoming Temporal Correlation Volatility in Time Series [14.456983509027195]
本稿では、2つの理論的基盤設計機構によって強化された新しいGNN層であるGLIDE(Graph Layer for Inference in Dynamic En-Vironments)を提案する。
合成および実世界のベンチマークの実験では、GLIDEは静的および動的設定で平均性能を最大45.6%改善している。
論文 参考訳（メタデータ） (2026-08-07T15:28:45Z) - InfiniVerse: Occupancy Guided Unbounded Scene Generation for Autonomous Driving [70.7737035270887]
InfiniVerseは、単一のフレームから動的都市シーンを合成するための統合パイプラインである。
InfiniVerseは6.4のFIDと67.97のFVDで最先端のパフォーマンスを達成し、持続時間と安定性の両方で既存のベンチマークを著しく上回っている。
論文 参考訳（メタデータ） (2026-06-30T04:08:22Z) - MVOFormer: Flow-Semantic Transformer for Robust Monocular Visual Odometry [11.059456227749914]
MVOFormerは、ロバストなモノクラービジュアルオドメトリーのための新しいトランスフォーマーフレームワークである。
MVOFormerは、より優れたゼロショットの一般化とロバスト性を実現し、事前学習ベースのフレーム・ツー・フレーム法よりも大幅に優れている。
論文 参考訳（メタデータ） (2026-06-15T09:39:28Z) - COVTrack++: Learning Open-Vocabulary Multi-Object Tracking from Continuous Videos via a Synergistic Paradigm [59.26203051651017]
C-TAOはOpen-Vocabulary Multi-Object Tracking (OVMOT)のための最初の連続アノテーション付きトレーニングセットである
フレームワークボトルネックに対するCOVTrack++は,3つのモジュールによる検出とアソシエーションの双方向相互機構を実現するための相乗的フレームワークである。
TAOの実験では、新しいTAAは検証とテストセットで35.4%、30.5%に達し、新しいAssocAは4.8%、新しいLocAは5.8%向上した。
論文 参考訳（メタデータ） (2026-03-25T07:20:27Z) - Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。
Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。
高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
論文 参考訳（メタデータ） (2025-10-27T03:52:45Z) - Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。
我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。
トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
論文 参考訳（メタデータ） (2025-08-11T09:03:10Z) - DiViD: Disentangled Video Diffusion for Static-Dynamic Factorization [2.0032531485183345]
静的・動的因数分解のための最初のエンドツーエンドビデオ拡散フレームワークであるDiViDを紹介する。
DiViDは、最初のフレームとフレームごとの動的トークンからグローバルな静的トークンを抽出し、モーションコードから静的コンテンツを明示的に削除する。
我々は、スワップベースの精度とクロスリーカシメトリクスを用いて、実世界のベンチマーク上でDiViDを評価する。
論文 参考訳（メタデータ） (2025-07-18T14:09:18Z) - DualAD: Disentangling the Dynamic and Static World for End-to-End Driving [11.379456277711379]
自動運転のための最先端のアプローチは、全体運転タスクの複数のサブタスクを単一のパイプラインに統合する。
動的エージェントと静的シーン要素を分離する専用表現を提案する。
DualADというタイトルの手法は、独立に訓練されたシングルタスクネットワークよりも優れています。
論文 参考訳（メタデータ） (2024-06-10T13:46:07Z) - STVGFormer: Spatio-Temporal Video Grounding with Static-Dynamic
Cross-Modal Understanding [68.96574451918458]
静的分岐と動的分岐を用いて視覚言語依存をモデル化するSTVGというフレームワークを提案する。
静的分岐と動的分岐は、クロスモーダルトランスとして設計されている。
提案手法は39.6%のvIoUを達成し,HC-STVGの第1位を獲得した。
論文 参考訳（メタデータ） (2022-07-06T15:48:58Z) - LiDAR-based Panoptic Segmentation via Dynamic Shifting Network [56.71765153629892]
LiDARベースのパノプティカルセグメンテーションは、オブジェクトとシーンを統一的に解析することを目的としている。
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,現在の最先端手法よりも優れた精度を実現する。
論文 参考訳（メタデータ） (2020-11-24T08:44:46Z)
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。