論文の概要: TriO: Tri-Modal Unsupervised Occupancy World Model for Anything Perception

• arxiv url: http://arxiv.org/abs/2609.32013v2
• Date: Tue, 29 Sep 2026 13:40:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.573473
• Title: TriO: Tri-Modal Unsupervised Occupancy World Model for Anything Perception
• Title（参考訳）: TriO:トライモーダル・アントラクショナル・オクキャナンシー・ワールドモデル
• Abstract要約: 我々は,4次元占有,障害物分割,流れ,LiDARを予測するマルチモーダル非教師付き世界モデルTriOを提案する。 以前の研究とは対照的に、TriOは3つの異なるセンサーモード(カメラ、LiDAR、RADAR)をセルフスーパービジョンの入力とソースの両方に使用している。 TriOは、占有、フロー、LiDAR予測を含む複数の3Dおよび4Dタスクの最先端結果と、複数のデータセットにわたるゼロショット道路障害物セグメンテーションを実現している。
• 参考スコア（独自算出の注目度）: 26.258494451172243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present TriO, a multi-modal unsupervised world model that predicts 4D occupancy, obstacle segmentation, flow and LiDAR. In contrast to prior work, TriO utilizes three distinct sensor modalities (camera, LiDAR, and RADAR) as both inputs and sources of self-supervision, eliminating the need for additional human annotations. Thanks to its novel supervision, the model is able to segment any occupancy from the drivable surface, overcoming the limitations of existing open-set methods in handling long-tail objects. TriO achieves state-of-the-art results in multiple 3D and 4D tasks, including occupancy, flow, and LiDAR prediction, as well as zero-shot road obstacle segmentation across multiple datasets such as Argoverse 2, and Spotting the Unexpected.
• Abstract（参考訳）: 我々は,4次元占有,障害物分割,流れ,LiDARを予測するマルチモーダル非教師付き世界モデルTriOを提案する。 以前の研究とは対照的に、TriOは3つの異なるセンサーモード(カメラ、LiDAR、RADAR)をセルフスーパービジョンの入力とソースの両方として利用し、追加の人間のアノテーションの必要性を排除している。 この新しい監督により、このモデルは乾燥可能な表面からあらゆる占有物を分割することができ、ロングテールオブジェクトを扱う既存のオープンセットメソッドの限界を克服することができる。 TriOは、Argoverse 2やSptting the Unexpectedといった複数のデータセットにわたるゼロショット道路障害物セグメンテーションと同様に、占有、フロー、LiDAR予測を含む複数の3Dおよび4Dタスクで最先端の結果を達成する。

関連論文リスト

• Weakly Supervised Cross-Modal Learning for 4D Radar Scene Flow Estimation [10.906975408529895]
  本稿では,弱教師付きレーダシーンフロー学習のためのタスク固有フレームワークを提案する。 市販の2Dトラッキングとセグメンテーションアルゴリズムを利用して、追跡されたインスタンスマスクを取得する。 実世界のView-of-Delftデータセットの実験は、我々の手法が最先端のクロスモーダル監視アプローチを超えることを示した。
  論文  参考訳（メタデータ） (2026-05-18T15:00:53Z)
• D3D-VLP: Dynamic 3D Vision-Language-Planning Model for Embodied Grounding and Navigation [66.7166217399105]
  エージェントは、エンドツーエンドモデルには解釈可能性や明示的な3D推論が欠けているという、重要なジレンマに直面します。 1) 計画,グラウンド,ナビゲーション,質問応答を単一の3D-VLMパイプラインとCoTパイプラインで統一する動的3Dチェーン(3D CoT) ; 2) フラグメンテッド・スーパービジョン(SLFS)戦略からのシナジスティック学習 マスク付き自己回帰損失を用いて,大規模かつ部分的に注釈付けされたハイブリッドデータから学習する。
  論文  参考訳（メタデータ） (2025-12-14T09:53:15Z)
• Real-IAD D3: A Real-World 2D/Pseudo-3D/3D Dataset for Industrial Anomaly Detection [53.2590751089607]
  Real-IAD D3は高精度なマルチモーダルデータセットであり、フォトメトリックステレオによって生成された擬似3Dモダリティが組み込まれている。 本稿では,RGB,点雲,擬似3次元深度情報を統合し,各モードの相補的強度を活用する効果的な手法を提案する。 本実験は,検出の堅牢性向上とIAD全体の性能向上におけるこれらのモダリティの重要性を強調した。
  論文  参考訳（メタデータ） (2025-04-19T08:05:47Z)
• X as Supervision: Contending with Depth Ambiguity in Unsupervised Monocular 3D Pose Estimation [12.765995624408557]
  マルチハイポテーシス検出と複数の調整済みプレテキストタスクを特徴とする教師なしフレームワークを提案する。 ローカルウィンドウ内のヒートマップから複数の仮説を抽出し、マルチソリューション問題を効果的に管理する。 プリテキストタスクは、SMPLモデルからの3D人間の事前情報を利用して、ポーズ推定の解空間を規則化し、それを3D人間の構造を経験的分布と整合させる。
  論文  参考訳（メタデータ） (2024-11-20T04:18:11Z)
• OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
  本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。 我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。 意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
  論文  参考訳（メタデータ） (2023-12-14T18:58:52Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための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） (2021-09-12T06:25:11Z)

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。