論文の概要: HIGS: Hierarchical Implicit Grids for Joint Geometric and Semantic Scene Understanding

• arxiv url: http://arxiv.org/abs/2609.38620v1
• Date: Tue, 29 Sep 2026 22:22:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.799882
• Title: HIGS: Hierarchical Implicit Grids for Joint Geometric and Semantic Scene Understanding
• Title（参考訳）: HIGS: 統合幾何学と意味的シーン理解のための階層的インシシトグリッド
• Abstract要約: マルチレゾリューションサブマップを利用して、効率的でスケーラブルな暗黙的表現を実現する階層型ニューラルネットワークを提案する。 また、幾何学的特徴と意味的特徴の両方をサポートする統一的なクエリとデコーディング機構も導入する。 提案手法は計算とメモリ効率を大幅に改善し,高い推定精度を維持し,空間認識をロボットに与える。
• 参考スコア（独自算出の注目度）: 8.699624930853085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural implicit representations have had a significant impact on scene reconstruction by enabling robots to build continuous, differentiable, and high-fidelity 3D maps. Most existing works focus on geometric reconstruction and lack semantic information for high-level spatial understanding and task planning. Also, as the scale and complexity of the environment increase, neural representations face the challenge of maintaining computational efficiency in back-end optimization. To resolve these two challenges, we introduce a hierarchical neural field that leverages multiresolution submaps to achieve an efficient and scalable implicit representation, and a unified query and decoding mechanism to support both geometric and semantic features. More specifically, the learnable map features can be converted to the output with the query and decoding process for both training and inference. For large-scale representation, we decompose a scene into overlapping submaps and do hierarchical optimization within each local submap, thus enabling scalable computation. To further improve efficiency, we design feature encoders that predict initial hierarchical grid features to substantially reduce the time needed to optimize the submap features from scratch. To correct estimation drift among submaps, we align and fuse them entirely within the implicit feature space, leading to substantial acceleration by avoiding the need to decode the final output. Building upon this efficient hierarchical representation, we embed both geometric features and vision-language latent features into the map, and demonstrate it on both Signed Distance Field (SDF) construction and open-vocabulary object grounding. Our approach significantly improves computation and memory efficiency, maintains high estimation accuracy, and endows the robot with spatial awareness on large-scale real-world benchmarks.
• Abstract（参考訳）: ニューラルな暗黙の表現は、ロボットが連続的で微分可能で高忠実な3Dマップを構築できるようにすることで、シーン再構築に大きな影響を与えた。 既存の研究の多くは幾何学的再構成に重点を置いており、高レベルの空間理解とタスク計画のための意味情報がない。 また、環境のスケールと複雑さが増大するにつれて、ニューラルネットワーク表現はバックエンドの最適化において計算効率を維持するという課題に直面している。 これら2つの課題を解決するために,マルチレゾリューションサブマップを活用して,効率的かつスケーラブルな暗黙表現を実現する階層型ニューラルネットワークと,幾何学的特徴と意味的特徴の両方をサポートする統一的なクエリ・デコーディング機構を導入する。 より具体的には、学習可能なマップ機能は、トレーニングと推論の両方のためのクエリとデコードプロセスで出力に変換できる。 大規模表現では、シーンを重なり合うサブマップに分解し、各局所サブマップ内で階層的最適化を行い、スケーラブルな計算を可能にする。 さらに効率を向上するため,初期階層グリッド機能を予測する機能エンコーダを設計し,サブマップ機能をスクラッチから最適化するのに要する時間を大幅に短縮する。 サブマップ間の推定ドリフトを補正するため、暗黙的特徴空間内で完全に整列して融合し、最終的な出力を復号する必要がないようにして、かなり加速する。 この効率的な階層表現に基づいて、幾何学的特徴と視覚言語潜在特徴の両方をマップに組み込み、手話距離場(Signed Distance Field, SDF)の構築とオープン語彙オブジェクトグラウンドディングの両方でそれを実証する。 提案手法は計算とメモリ効率を大幅に改善し,高い推定精度を維持し,大規模実世界のベンチマークに空間認識を付与する。

関連論文リスト

• SAND: Spatially Adaptive Network Depth for Fast Sampling of Neural Implicit Surfaces [91.71563221166417]
  入射神経表現は幾何学的モデリングには強力であるが、その実用性は高い計算コストによって制限されることが多い。 本稿では,空間適応型ネットワーク深度を用いた効率的なニューラル暗黙的幾何表現フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-15T14:14:17Z)
• Ψ-Map: Panoptic Surface Integrated Mapping Enables Real2Sim Transfer [24.777932568749446]
  幾何学的強化, エンドツーエンドの汎光学学習, 効率的なレンダリングを統合した包括的フレームワークを提案する。 提案システムは,40FPSを超える推論率を維持しながら,大規模シーンにおいて優れた幾何学的・パノプティックな再現性を実現する。
  論文  参考訳（メタデータ） (2026-04-13T04:41:00Z)
• A Scene Graph Backed Approach to Open Set Semantic Mapping [1.8266902367595235]
  オープンセットセマンティックマッピングと3次元シーングラフ(DSSG)はロボット知覚のパラダイムとして確立されている。 本稿では,3DSSGが基本的なバックエンドとして機能し,主要な知識表現として機能するマッピングアーキテクチャを提案する。 これにより、大規模な設定で拡張された操作であっても、地図が位相的に一貫性を持ち、計算的に効率的であることを保証する。
  論文  参考訳（メタデータ） (2026-02-03T17:41:51Z)
• Large Spatial Model: End-to-end Unposed Images to Semantic 3D [79.94479633598102]
  大空間モデル(LSM)は、RGB画像を直接意味的放射場に処理する。 LSMは、単一のフィードフォワード操作における幾何学、外観、意味を同時に推定する。 新しい視点で言語と対話することで、多目的ラベルマップを生成することができる。
  論文  参考訳（メタデータ） (2024-10-24T17:54:42Z)
• LMSeg: An end-to-end geometric message-passing network on barycentric dual graphs for large-scale landscape mesh segmentation [5.698076346359676]
  オーストラリアのビクトリア州にあるユネスコ世界遺産に登録されているBudj Bim文化景観から得られた大規模なアノテートメッシュデータセットであるBudjBim Wallデータセットを紹介した。 大規模メッシュのセマンティックセグメンテーションのためのディープグラフメッセージパッシングネットワークであるLMSegを提案する。 3つの大規模ベンチマーク(SUM、H3D、BBW)の実験では、LMSegはSUMで75.1% mIoU、H3Dで78.4% O.A.、BBWで62.4% mIoUを達成した。
  論文  参考訳（メタデータ） (2024-07-05T07:55:06Z)
• Dynamic Spatial Sparsification for Efficient Vision Transformers and Convolutional Neural Networks [88.77951448313486]
  視覚データにおける空間空間空間性を利用したモデルアクセラレーションのための新しい手法を提案する。 本稿では,冗長トークンを具現化する動的トークンスペーシフィケーションフレームワークを提案する。 提案手法は,CNNや階層型視覚変換器などの階層モデルに拡張する。
  論文  参考訳（メタデータ） (2022-07-04T17:00:51Z)
• Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
  Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。 IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。 提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-06-17T09:40:14Z)
• Lightweight Object-level Topological Semantic Mapping and Long-term Global Localization based on Graph Matching [19.706907816202946]
  本稿では,高精度でロバストなオブジェクトレベルのマッピングとローカライズ手法を提案する。 我々は、環境のランドマークをモデル化するために、意味情報と幾何学情報の両方を持つオブジェクトレベルの特徴を使用する。 提案したマップに基づいて,新たな局所的シーングラフ記述子を構築することにより,ロバストなローカライゼーションを実現する。
  論文  参考訳（メタデータ） (2022-01-16T05:47:07Z)

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。