論文の概要: 3D Point Splatting for mmWave Radar Novel View Synthesis
- arxiv url: http://arxiv.org/abs/2609.11894v1
- Date: Thu, 10 Sep 2026 17:52:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.477207
- Title: 3D Point Splatting for mmWave Radar Novel View Synthesis
- Title（参考訳）: ミリ波レーダによる新しい視点合成のための3次元ポイントスプレイティング
- Abstract要約: ミリ波(mmWave)レーダーのための新しいビュー合成(NVS)には、物理的に忠実で、複雑で、多視点抽出が可能な計算が必要である。
この3つの特性を同時に達成する事前の方法は存在しない。
微分可能なモンテカルロ線トレーサは、明示的な物質モデリングと複雑な出力でレーダーフォワードモデルを直接実装する。
本稿では,レーダの標準固体角形状から直接導出した,レーダの最初の微分可能点である3Dポイントスプラッティングを提案する。
- 参考スコア（独自算出の注目度）: 18.777328493392762
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Solving novel view synthesis (NVS) for millimeter-wave (mmWave) radar requires a renderer that is physically faithful, complex-valued, and multi-viewpoint-tractable. No prior method achieves these three properties simultaneously. Differentiable Monte Carlo (MC) ray tracers implement the radar forward model directly with explicit material modeling and complex outputs, but do not scale to the multi-view optimization NVS demands. Optical-NVS ports of NeRF, hash grids, and 3D Gaussians train fast but discard phase and replace explicit material modeling with opaque learned features, restricting them to power-only range-azimuth (RA) magnitudes. We propose 3D Point Splatting (3DPS), the first differentiable point renderer for radar, derived directly from the standard solid-angle form of the radar equation. Each oriented 3D point carries an ITU-R P.2040 material model, evaluated in closed form, with the resulting complex phasor splatted into range bins through a precomputed point spread function (PSF). The complex-valued output makes the renderer product-agnostic. The same optimized scene yields analog-to-digital converter (ADC), complex range profile (CRP), and RA outputs through standard fast Fourier transform (FFT) pipelines without retraining for each format. On six outdoor ColoRadar scenes, 3DPS reaches 0.587 mean Pearson correlation on held-out RA images. This is between 1.7x and 5.2x the three optical-NVS baselines (RadarSplat, Radar Fields, DART). Training takes approximately 3 minutes per scene on a single RTX 4090.
- Abstract（参考訳）: ミリ波(mmWave)レーダーのための新しいビュー合成(NVS)を解くには、物理的に忠実で、複雑で、多視点撮影が可能なレンダラーが必要である。
この3つの特性を同時に達成する事前の方法は存在しない。
微分可能なモンテカルロ(MC)線トレーサは、明示的な物質モデリングと複雑な出力でレーダーフォワードモデルを直接実装するが、マルチビュー最適化のNVS要求にスケールしない。
NeRF、ハッシュグリッド、および3Dガウスの光学NVSポートは、高速だが廃相を訓練し、明示的な物質モデリングを不透明な学習特徴に置き換え、パワーオンリーのレンジアジマス(RA)サイズに制限する。
本稿では,レーダ方程式の標準固体角形状から直接導出する,レーダの最初の微分可能な点レンダラーである3D Point Splatting (3DPS)を提案する。
それぞれの3Dポイントは、ITU-R P.2040の材料モデルを持ち、クローズドな形で評価され、その結果、プリ計算されたポイントスプレッド機能(PSF)を介してレンジビンに分割される。
複雑な値の出力は、レンダラーの製品に依存しない。
同じ最適化されたシーンはアナログ・デジタル変換器(ADC)、複素レンジプロファイル(CRP)、RA出力を標準高速フーリエ変換(FFT)パイプラインを通じて出力する。
6つの屋外ColoRadarシーンにおいて、3DPSは0.587に到達し、ホールドアウトRA画像上でピアソン相関を示す。
これは3つの光学NVSベースライン(RadarSplat、Radar Fields、DART)の1.7倍から5.2倍の間である。
トレーニングはRTX 4090で1シーンあたり約3分かかる。
関連論文リスト
- mmIR: Frequency-Space Inverse Rendering for 3D Millimeter-Wave Radar ADC Synthesis [18.777328493392762]
我々は,高分解能な3次元レーダデータを合成するために,高密度仮想開口からの実撮と再レンダリングを行う物理モデルに適合する,オープンソースの微分可能周波数変調型連続波レーダmmIRを提案する。
レーダー分解能は幾何を直接復元するには大きすぎるため、mmIRはLiDARから派生したメッシュを幾何学的な足場としてLiDAR支援逆レンダリングを行う。
7つの屋外および6つの屋内ColoRadarシーンにおいて、mmIRは、Sionna-RTの0.307に対して、レンジアジマスマップのパーソン相関平均0.914を達成する。
論文 参考訳（メタデータ） (2026-08-28T22:21:47Z) - Talk2Sensors: 3D Visual Grounding in Autonomous Driving via Sensor-Adaptive Physical Cue Matching [66.91228384649921]
Talk2Sensorsは、カメラ、LiDAR、および4Dレーダ上に構築された最初のマルチセンサ3Dビジュアルグラウンドデータセットである。
本稿では,自動走行における言語誘導型3次元視覚グラウンドのためのトランスフォーマーベースの統合フレームワークTSFormerを提案する。
論文 参考訳（メタデータ） (2026-08-05T07:58:35Z) - RCGDet3D: Rethinking 4D Radar-Camera Fusion-based 3D Object Detection with Enhanced Radar Feature Encoding [3.65399248155853]
レーダ特徴抽出の簡易化は,精巧な融合モジュールと同等あるいはそれ以上の性能が得られることを示す。
本稿では,マルチモーダル核融合を簡略化し,レーダー特徴符号化を主眼とするRCGDet3Dを提案する。
The Experiments on View-of-Delft (VoD) and TJ4DRadSet shows that RCGDet3D are outperforms state-of-the-art method in both accuracy and speed。
論文 参考訳（メタデータ） (2026-05-20T12:45:01Z) - 4D Radar Gaussian Modeling and Scan Matching with RCS [80.74019565026542]
レーダークロスセクション(RCS)情報は、しばしば見落とされ、通常マッチングプロセスのモデリングやスキャンには使われない。
本稿では,RCSの物理的挙動をモデルに組み込むことにより,シーンの要約情報をさらに強化することを提案する。
論文 参考訳（メタデータ） (2026-04-16T10:58:29Z) - RadioGen3D: 3D Radio Map Generation via Adversarial Learning on Large-Scale Synthetic Data [62.63849426834315]
将来の6Gおよび低高度ネットワークにおける効率的な無線資源管理には,無線地図が不可欠である。
ディープ・ラーニング(DL)技術は、無線地図推定における従来のレイトレーシングに代わる効果的な代替手段として登場した。
提案するRadioGen3Dフレームワークは,本質的な3次元信号伝搬特性とアンテナ偏光効果を捉える。
論文 参考訳（メタデータ） (2026-02-21T07:50:05Z) - Wavelet-based Multi-View Fusion of 4D Radar Tensor and Camera for Robust 3D Object Detection [44.78575994732947]
WRCFormerは、デカップリングされたレーダーキューブのマルチビュー表現を介して、生のレーダーキューブとカメラ入力を融合する新しい3Dオブジェクト検出フレームワークである。
WRCFormerはK-Radarベンチマークで最先端のパフォーマンスを達成し、すべてのシナリオで最高のモデルを約2.4%上回っている。
論文 参考訳（メタデータ） (2025-12-28T15:32:17Z) - MLF-4DRCNet: Multi-Level Fusion with 4D Radar and Camera for 3D Object Detection in Autonomous Driving [31.26862558777292]
MLF-4DRCNetは4次元レーダとカメラ画像の多層融合による3次元物体検出のための新しいフレームワークである。
ポイントレベル、シーンレベル、プロポーザルレベルのマルチモーダル情報を組み込んで、包括的な特徴表現を可能にする。
これは、View-of-Delftデータセット上のLiDARベースのモデルに匹敵するパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-09-23T04:02:28Z) - 3D Convex Splatting: Radiance Field Rendering with 3D Smooth Convexes [87.01284850604495]
多視点画像から幾何学的に有意な放射場をモデル化するためのプリミティブとして3次元滑らかな凸を利用した3次元凸法(3DCS)を提案する。
3DCSは、MipNeizer, Tanks and Temples, Deep Blendingなどのベンチマークで、3DGSよりも優れたパフォーマンスを実現している。
本結果は,高品質なシーン再構築のための新しい標準となる3Dコンベクシングの可能性を強調した。
論文 参考訳（メタデータ） (2024-11-22T14:31:39Z) - V2X-R: Cooperative LiDAR-4D Radar Fusion with Denoising Diffusion for 3D Object Detection [64.93675471780209]
我々は、LiDAR、カメラ、および4Dレーダを取り入れた初のシミュレーションV2XデータセットであるV2X-Rを提案する。
V2X-Rには12,079のシナリオがあり、LiDARと4Dレーダーポイント雲の37,727フレーム、150,908の画像、170,859の注釈付き3D車両バウンディングボックスがある。
本稿では,3次元物体検出のための新しいコラボレーティブLiDAR-4Dレーダ融合パイプラインを提案し,様々な融合戦略を用いて実装する。
論文 参考訳（メタデータ） (2024-11-13T07:41:47Z) - CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
スパース入力によるNeRFの性能向上のための新しい手法を提案する。
まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。
次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
論文 参考訳（メタデータ） (2024-03-25T15:56:17Z) - Differentiable Radio Frequency Ray Tracing for Millimeter-Wave Sensing [29.352303349003165]
我々はmmWaveベースの3D再構成のための微分可能なフレームワークDiffSBRを提案する。
DiffSBRは、仮想3Dモデルからレーダーポイント雲をシミュレートするために、微分可能なレイトレーシングエンジンを組み込んでいる。
各種レーダーハードウェアを用いた実験は、ディフSBRの微細な3D再構成能力を検証する。
論文 参考訳（メタデータ） (2023-11-22T06:13:39Z)
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。