論文の概要: ESAFusion: LiDAR--4-D Radar Fusion via Local Geometric Complementation and Multiscale Adaptive Interaction for 3-D Object Detection
- arxiv url: http://arxiv.org/abs/2609.14619v1
- Date: Sun, 13 Sep 2026 15:48:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 12:40:38.834383
- Title: ESAFusion: LiDAR--4-D Radar Fusion via Local Geometric Complementation and Multiscale Adaptive Interaction for 3-D Object Detection
- Title（参考訳）: ESAFusion: LiDAR--4-D Radar Fusion by Local Geometric Complementation and Multiscale Adaptive Interaction for 3-D Object Detection
- Abstract要約: LiDAR--4-Dレーダー融合は、複雑な運転環境での3次元物体検出のための有望なソリューションとして、正確な空間幾何学と、レーダーからの運動と反射率のキューを組み合わせる。
本研究では,局所幾何学的補間とマルチスケール適応的相互作用を組み合わせたエビデンス・アウェア・スケール適応型フレームワークであるESAFusionを提案する。
View-of-Delft(VoD)データセットの実験により、ESAFusionは比較した手法の中で最も高い平均精度(mAP)を達成することが示された。
- 参考スコア（独自算出の注目度）: 11.802078221832888
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LiDAR--4-D radar fusion combines accurate spatial geometry with motion and reflectivity cues from radar, offering a promising solution for 3-D object detection in complex driving environments. However, sparse radar observations and differences in spatial sampling between the two modalities complicate reliable cross-modal complementation. Moreover, the relative importance of modalities and feature scales varies across spatial regions, making adaptive fusion challenging. To address these challenges, we propose ESAFusion, an evidence-aware and scale-adaptive framework that combines local geometric complementation with multiscale adaptive interaction. Specifically, we introduce an Evidence-Aware Radar Selection (ERS) module to suppress radar clutter using motion and observation-quality evidence while retaining foreground confidence for subsequent fusion. Then, the Pillar-Level Complementary Encoder (PCE) improves cross-modal complementation under mismatched spatial sampling using local geometric support from neighboring LiDAR pillars. We further design an Intra- and Inter-Scale Adaptive Fusion (ISAF) module to adaptively adjust the contributions of different modalities and feature scales in bird's-eye-view (BEV) space. Extensive experiments on the View-of-Delft (VoD) dataset show that ESAFusion achieves the highest mean average precision (mAP) among the compared methods, reaching 74.60% in the Entire Annotated Area and 88.89% in the Driving Corridor. It also attains the highest average precision (AP) for Cyclist among these methods in both regions while running at 19.23 FPS. Evaluations on VoD-Fog further demonstrate robustness under progressively degraded LiDAR observations. The source code will be made publicly available at https://github.com/SenJieHu549/ESAFusion.
- Abstract（参考訳）: LiDAR--4-Dレーダー融合は、複雑な運転環境での3次元物体検出のための有望なソリューションとして、正確な空間幾何学と、レーダーからの運動と反射率のキューを組み合わせる。
しかし、この2つのモード間の空間サンプリングの違いは、信頼性の高いクロスモーダル補間を複雑にする。
さらに、モダリティと特徴尺度の相対的重要性は空間領域によって異なり、適応的な融合は困難である。
これらの課題に対処するために,局所幾何学的補間とマルチスケール適応的相互作用を組み合わせたエビデンス・アウェア・スケール・アダプティブ・フレームワークであるESAFusionを提案する。
具体的には,Evidence-Aware Radar Selection (ERS) モジュールを導入し,後続の核融合に対する前景信頼を維持しつつ,運動と観測品質の証拠を用いたレーダクラッタの抑制を行った。
次に, Pillar-Level Complementary Encoder (PCE) は, 近傍のLiDAR柱からの局所的幾何学的支持を用いて, 空間サンプリングのミスマッチによるクロスモーダル補間を改善する。
さらに,バードアイビュー(BEV)空間における様々なモードや特徴量の寄与を適応的に調整するISAFモジュールを設計する。
View-of-Delft(VoD)データセットの大規模な実験は、ESAFusionが比較手法の中で最高平均精度(mAP)を達成し、Entire Annotated Areaで74.60%、Driving Corridorで88.89%に達したことを示している。
また、どちらの地域でも19.23 FPSで走行しながら、サイクリストにとって最も高い平均精度(AP)を達成した。
VoD-Fogの評価は、徐々に劣化したLiDAR観測の下でさらに堅牢性を示す。
ソースコードはhttps://github.com/SenJieHu549/ESAFusionで公開されている。
関連論文リスト
- Cross-Session 3D LiDAR and Camera Fusion for Robust Localization of Unmanned Aerial Vehicles in GPS-Denied Environments [0.9749189465851389]
クロスフュージョン(Cross-Fusion)は、リアルタイムUAVローカライゼーションのための新しい手法である。
このシステムは、動き追跡と画像に基づく特徴マッチングにLiDARベースのオドメトリを使用して、単一の赤緑色(RGB)カメラでドリフトを補正し、精度を向上させる。
論文 参考訳（メタデータ） (2026-06-27T14:48:46Z) - OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。
パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
論文 参考訳（メタデータ） (2026-05-13T17:42:20Z) - Cross-modal Offset-guided Dynamic Alignment and Fusion for Weakly Aligned UAV Object Detection [0.0]
無人航空機(UAV)の物体検出は、環境モニタリングや都市警備といった用途において重要な役割を担っている。
UAVプラットフォームの動きと非同期イメージングにより、空間的不整合はしばしばモダリティの間で発生し、アライメントが弱くなる。
我々はこれらの問題に対処するために、クロスモーダルオフセット誘導動的アライメント・アンド・フュージョン(CoDAF)を提案する。
論文 参考訳（メタデータ） (2025-06-20T04:11:39Z) - ZFusion: An Effective Fuser of Camera and 4D Radar for 3D Object Perception in Autonomous Driving [7.037019489455008]
本研究では、4次元レーダと視覚のモダリティを融合した3次元物体検出手法ZFusionを提案する。
FP-DDCAフェイザーはTransformerブロックをパックし、異なるスケールのマルチモーダル機能をインタラクティブに融合する。
実験の結果、ZFusionは興味のある領域で最先端のmAPを達成した。
論文 参考訳（メタデータ） (2025-04-04T13:29:32Z) - 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) - GAFusion: Adaptive Fusing LiDAR and Camera with Multiple Guidance for 3D Object Detection [36.37236815038332]
GAFusion と呼ばれる,LiDAR による大域的相互作用と適応融合を備えた新しい多モード3Dオブジェクト検出法を提案する。
GAFusionは73.6$%$mAPと74.9$%$NDSで最先端の3Dオブジェクト検出結果を達成する。
論文 参考訳（メタデータ） (2024-11-01T03:40:24Z) - AlignMiF: Geometry-Aligned Multimodal Implicit Field for LiDAR-Camera
Joint Synthesis [98.3959800235485]
近年,複数のモダリティを単一のフィールド内で探索する手法がいくつか存在しており,異なるモダリティから暗黙的な特徴を共有して再現性能を向上させることを目的としている。
本研究では,LiDAR-カメラ共同合成の多モード暗黙的場に関する包括的解析を行い,その根底にある問題はセンサの誤配にあることを示した。
幾何学的に整合した多モード暗黙の場であるAlignMiFを導入し,2つのモジュール,Geometry-Aware Alignment (GAA) とShared Geometry Initialization (SGI)を提案する。
論文 参考訳（メタデータ） (2024-02-27T13:08:47Z) - Robust 3D Object Detection from LiDAR-Radar Point Clouds via Cross-Modal
Feature Augmentation [7.364627166256136]
本稿では,点雲からの3次元物体検出のための新しい枠組みを提案する。
背骨の微細化と幻覚発生を同時に行うために,空間的および特徴的に複数のアライメントを導入する。
View-of-Delftデータセットの実験により,提案手法は,レーダとLiDARの両方のオブジェクト検出において,最先端(SOTA)手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-09-29T15:46:59Z) - Bi-LRFusion: Bi-Directional LiDAR-Radar Fusion for 3D Dynamic Object
Detection [78.59426158981108]
この課題に対処し、動的オブジェクトの3D検出を改善するために、双方向LiDAR-Radar融合フレームワーク、Bi-LRFusionを導入する。
我々はnuScenesとORRデータセットに関する広範な実験を行い、我々のBi-LRFusionが動的オブジェクトを検出するための最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2023-06-02T10:57:41Z) - MSMDFusion: Fusing LiDAR and Camera at Multiple Scales with Multi-Depth
Seeds for 3D Object Detection [89.26380781863665]
自律運転システムにおける高精度で信頼性の高い3次元物体検出を実現するためには,LiDARとカメラ情報の融合が不可欠である。
近年のアプローチでは、2次元カメラ画像の3次元空間への昇華点によるカメラ特徴のセマンティックな密度の探索が試みられている。
マルチグラニュラリティLiDARとカメラ機能とのマルチスケールなプログレッシブインタラクションに焦点を当てた,新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-07T12:29:29Z) - Unifying Voxel-based Representation with Transformer for 3D Object
Detection [143.91910747605107]
マルチモード3Dオブジェクト検出のための統一フレームワークUVTRを提案する。
提案手法は, ボクセル空間におけるマルチモーダリティ表現を統一し, 高精度かつ堅牢な単一モード・クロスモーダリティ3D検出を実現することを目的とする。
UVTRは、69.7%、55.1%、71.1%のNDSで、それぞれLiDAR、カメラ、マルチモダリティの入力を行う。
論文 参考訳（メタデータ） (2022-06-01T17:02:40Z)
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。