Fugu-MT 論文翻訳(概要): SGDet3D++: Geometry-Grounded Semantics for 4D Radar and Camera 3D Object Detection

論文の概要: SGDet3D++: Geometry-Grounded Semantics for 4D Radar and Camera 3D Object Detection

arxiv url: http://arxiv.org/abs/2609.27671v1
Date: Wed, 23 Sep 2026 10:42:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-25 00:05:17.979437
Title: SGDet3D++: Geometry-Grounded Semantics for 4D Radar and Camera 3D Object Detection
Title（参考訳）: SGDet3D++:4Dレーダとカメラ3Dオブジェクト検出のための幾何学的周辺セマンティクス
Abstract要約: 4Dレーダは、高密度画像意味論と長距離幾何学と放射運動を補完する。既存のレーダーカメラ検出器は、ある証拠が進化する物体の仮説を暗示的に支持するかどうかを判断しながら、そのモダリティを整列するエンフィアを解き明かす。我々は、証拠の使用から候補へのアクセスを分離するエンフィステーシス条件の根拠となる証拠を定式化する。
参考スコア（独自算出の注目度）: 11.273361620463781
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: 4D radar complements dense image semantics with long-range geometry and radial motion, but existing radar--camera detectors largely solve \emph{where} to align the modalities while leaving \emph{whether} a piece of evidence supports an evolving object hypothesis implicit. An image token may describe an occluder, a nearby radar return may belong to another object, and a pose-aligned memory slot may carry incompatible motion. We formulate \emph{hypothesis-conditioned evidence grounding}, which separates candidate access from evidence use: semantic, geometric, or temporal evidence is filtered or conditioned by the evolving 3D state before updating the corresponding query. \sgdetpp{} instantiates this principle through Anchor-Grounded Semantic Retrieval (AGR), which conditions deformable image retrieval on pooled anchor-consistent radar support; Geometry-Consistent Anchor Refinement (GCR), which attentively aggregates individual associated returns; and Doppler-Verified Correspondence (DVC), which replaces history only when current radial motion contradicts it. \sgdetpp{} improves the strongest compared method by 3.82 mAP and 6.82 ODS on OmniHD-Scenes and by 6.82 mAP and 9.22 NDS on ManTruckScenes, while also leading the listed methods in the TJ4DRadSet test comparison. Mechanism-targeted evaluations show that AGR improves strict AP in every projected-occlusion bin, the yaw-aligned box gate raises target-return purity from 29.95\% to 58.87\%, and DVC preserves 96.11\% of motion-consistent history while retaining 75.90\% contradiction recall. Code will be released.
Abstract（参考訳）: 4Dレーダは、高密度な画像意味論と長距離幾何学と放射運動を補完するが、既存のレーダカメラ検出器は、主に 'emph{where} を解き、 \emph{w whether} の証拠は進化する物体の仮説を暗示的に支持する。画像トークンは、オクルーダーを記述し、近くのレーダーリターンは、別のオブジェクトに属し、ポーズ整列メモリスロットは、互換性のない動きを運ぶことができる。意味的、幾何学的、時間的エビデンスは、対応するクエリを更新する前に進化する3D状態によってフィルタリングまたは条件付けされる。 AGR(Anchor-Grounded Semantic Retrieval)は、プールされたアンカー一貫性のレーダーサポートで変形可能な画像検索を条件とし、GCR(Geometry-Consistent Anchor Refinement)は個々の関連するリターンを注意深く集約し、DVC(Doppler-Verified Corssociatedence)は現在の放射運動が矛盾する場合にのみ歴史を置き換える。 \sgdetpp{} は OmniHD-Scenes 上で 3.82 mAP と 6.82 ODS を、ManTruckScenes 上で 6.82 mAP と 9.22 NDS を最強比較法として改善し、TJ4DRadSet テストの比較でもその方法を導いた。メカニズムを目標とした評価では、AGRは全ての射影閉塞箱において厳格なAPを改善し、ヨーアラインボックスゲートはターゲット・リターンの純度を29.95\%から58.87\%に引き上げ、DVCは75.90\%の矛盾リコールを維持しながら96.11\%の運動一貫性履歴を保持する。コードはリリースされる。

関連論文リスト

Stereo 4D Radar for 3D Object Detection: Integrating Geometric Alignment and Absolute Velocity Estimation [5.109810774427172]
ルー4Dレーダー信号は、路面やガードレール、周囲の車両からの散乱や、マルチパスで誘導されるゴースト反射、受信機固有のノイズフロアを含む。左右のレーダ間の幾何学的相違を利用して物体の絶対速度を推定するステレオ4次元レーダに基づく3次元物体検出フレームワークを提案する。
論文参考訳（メタデータ） (2026-09-02T13:13:08Z)
Radar4D-VLM: Proposal-Grounded Temporal 4D Radar Reasoning Across Frozen Language Models [11.640975138247557]
本稿では、自律走行のためのレーダのみの時間視覚言語モデルであるRadar4D-VLMを紹介する。 Radar4D-VLMは、幾何学的に接地されたオブジェクトの提案を抽出し、レーダー証拠をオブジェクト、シーン、キネマティックトークンのコンパクトな階層に整理する。シーケンシャルに分離されたK-Radar開発検証では、トップ64の提案リコールは98.13%に達し、それぞれ6.40ポイントと22.83ポイントの固定格子と一様ランダム制御を超えた。
論文参考訳（メタデータ） (2026-08-04T18:32:16Z)
RRTrack: Robust and Recoverable Object 6D Pose Tracking for Dynamic Scenes [55.15267980622371]
RRTrackは効率的で復元可能なオブジェクト6Dポーズトラッカーである。高速な動きと目標の消光によるロバストな追跡を可能にする。実験の結果、RRTrackはADD-S ARを66.3%改善し、ADD-S AUCを65.7%改善した。
論文参考訳（メタデータ） (2026-07-26T14:05:46Z)
4DR360: State Reasoning for Joint 3D Detection and Occupancy Prediction in 4D Radar-Camera Full-Scene Perception [12.807651354967183]
信頼性の高い自律運転には、密集したセマンティックレイアウトで前景オブジェクトを結合するフルシーンの認識が必要である。永続的なシーン状態としての意味的占有をモデル化した,360ドル前後のフルシーン知覚のための4次元レーダカメラフレームワークを提案する。我々は、ManTruckScenesを衛星マップベースで生成された占有ラベルで拡張し、OmniHD-Scenesと組み合わせて、クロスデータセット検出・占有プロトコルを統一する。
論文参考訳（メタデータ） (2026-07-10T17:26:19Z)
Geometry-Aware Rotary Position Embedding for Consistent Video World Model [48.914346802616414]
ViewRopeは、ビデオトランスフォーマーの自己アテンション層に直接カメラの方向を注入するジオメトリ対応のエンコーディングである。 Geometry-Aware Frame-Sparse Attentionは、これらの幾何学的手がかりを利用して、関連する歴史的なフレームに選択的に参加する。この結果から,ViewRopeは長期的整合性を大幅に向上し,計算コストを低減できることがわかった。
論文参考訳（メタデータ） (2026-02-08T08:01:16Z)
Breaking Down Monocular Ambiguity: Exploiting Temporal Evolution for 3D Lane Detection [79.98605061363999]
単眼3次元車線検出は,前頭側視像(FV)から車線の3次元位置を推定することを目的としている。既存の手法は、単一フレーム入力の固有のあいまいさによって制約される。車両が移動するときにシーンの時間的進化に埋め込まれたリッチな情報を解放することを提案する。
論文参考訳（メタデータ） (2025-04-29T08:10:17Z)
RobuRCDet: Enhancing Robustness of Radar-Camera Fusion in Bird's Eye View for 3D Object Detection [68.99784784185019]
暗い照明や悪天候はカメラの性能を低下させる。レーダーは騒音と位置のあいまいさに悩まされる。本稿では,BEVの頑健な物体検出モデルであるRobuRCDetを提案する。
論文参考訳（メタデータ） (2025-02-18T17:17:38Z)
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)
Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。