論文の概要: TopoCurve: Geometry-Aware Topology Reasoning via Bézier Curves in Autonomous Driving
- arxiv url: http://arxiv.org/abs/2610.09118v1
- Date: Tue, 06 Oct 2026 21:07:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.607453
- Title: TopoCurve: Geometry-Aware Topology Reasoning via Bézier Curves in Autonomous Driving
- Title（参考訳）: TopoCurve: 自動走行におけるベジエ曲線による幾何学的トポロジー推論
- Abstract要約: トポロジー推論は多視点画像から3次元レーンと交通要素を共同で検出し,その構造的接続性を推定する。
TopoCurveは3次元トポロジー推論のための幾何駆動型アーキテクチャで、構造付きパラメトリックレーン表現に基礎を置いている。
TopoCurveはOpenLane-V2ベンチマークで50.6 OLSを後処理なしで達成し、エンドツーエンドのカメラ専用手法の中で新しい最先端技術を確立した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Topology reasoning jointly detects 3D lanes and traffic elements from multi-view images and infers their structural connectivity. Current methods model lanes as discrete polylines, lacking smoothness, analytical tangent directions, and global spatial support for attention, while providing sparse topology supervision. We propose TopoCurve, a geometry-driven architecture for 3D topology reasoning grounded in a structured parametric lane representation. Lanes are modeled as endpoint-fixed cubic Bézier curves, enabling continuous geometry with exact endpoints and analytically defined directionality. We exploit this shared curve geometry across the entire pipeline. Endpoint distance and tangent alignment are encoded with multi-scale Fourier features and injected into the topology head. Sampled curve points serve as geometry-aligned references for deformable cross-attention spanning the full lane. Parallel curve-anchored attention branches provide diverse predictions for one-to-many topology supervision. These components form a tightly coupled cascade where representation enables geometric reasoning, guides feature aggregation, and supports denser supervision. TopoCurve achieves 50.6 OLS on the OpenLane-V2 benchmark without any post-processing, establishing a new state-of-the-art among end-to-end camera-only methods, and outperforms all existing approaches on endpoint detection (56.8 vs. 52.6 on DET_p).
- Abstract（参考訳）: トポロジー推論は多視点画像から3次元レーンと交通要素を共同で検出し,その構造的接続性を推定する。
現在の手法では、レーンを離散的なポリラインとしてモデル化し、滑らかさ、分析的タンジェント方向、注意のためのグローバル空間的支援を欠いている。
TopoCurveは3次元トポロジー推論のための幾何駆動型アーキテクチャで、構造付きパラメトリックレーン表現に基礎を置いている。
レーンは終点固定された立方ベジエ曲線としてモデル化され、正確な終点と解析的に定義された方向を持つ連続幾何が可能である。
この共有曲線幾何をパイプライン全体にわたって利用します。
終点距離と接アライメントは、マルチスケールのフーリエ特徴で符号化され、トポロジーヘッドに注入される。
サンプリングされた曲線点は、全車線にまたがる変形可能なクロスアテンションの幾何学的基準として機能する。
並列曲線アンコールされたアテンションブランチは、一対多のトポロジー監視のための様々な予測を提供する。
これらのコンポーネントは密結合されたカスケードを形成し、表現は幾何学的推論を可能にし、特徴集約をガイドし、より密集的な監視をサポートする。
TopoCurveはOpenLane-V2ベンチマークで50.6 OLSを後処理なしで達成し、エンド・ツー・エンドのカメラのみの手法の中で新しい最先端の手法を確立し、エンドポイント検出における既存のアプローチ(DeT_pでは56.8対52.6)より優れている。
関連論文リスト
- Learning Propagation Geometry from Message-Passing Feedback [58.684834960683226]
GeoFは、メッセージパッシングフィードバックを通じてノード機能と伝搬幾何学を進化させる、反復的なフレームワークである。
ベンチマークデータセットの実験は、GeoFが最先端のGNNベースラインを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2026-09-28T09:22:49Z) - ProjFormer: Point Cloud Completion via Geometric-Projective Transformer and Cross-Modal Semantic Constraints [50.4059685962603]
ProjFormerは、明示的なプロジェクションと適応的な特徴ルーティングを通じて、幾何学的に一貫性のある2D-3Dインタラクションを強制するクロスモーダルフレームワークである。
実験によると、軽量な設計の下で、ProjFormerは、構造的完全性を改善した競争力のあるパフォーマンスを提供する。
論文 参考訳（メタデータ） (2026-08-15T08:05:48Z) - Adaptive Interpolatory Curve Subdivision with Learned Local Angles [0.8694591156258423]
補間部分分割は、洗練された曲線がデザイナの制御点を通過することが保証されているため、特に魅力的である。
我々は,新しいジオメトリを挿入する方法を学習しながら,補間構造をそのまま維持する適応的局所角定式化を導入する。
論文 参考訳（メタデータ） (2026-07-25T19:51:18Z) - A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。
MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。
合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
論文 参考訳（メタデータ） (2026-05-05T20:19:09Z) - A Neural Tension Operator for Curve Subdivision across Constant Curvature Geometries [0.8694591156258423]
補間スキームは、新しい頂点を繰り返し挿入することで、片方向線形制御ポリゴンから滑らかな曲線を生成する。
一つの140K-パラメータネットワークによって予測されるエッジ挿入角をグローバルパラメータに置き換える共有学習テンションを導入する。
分布外のISS軌道軌道軌道の例では、曲げエネルギーは41%減少し、角粗さは68%減少し、ハウスドルフ距離はわずかに増加した。
論文 参考訳（メタデータ） (2026-03-30T19:16:25Z) - Parallelised Differentiable Straightest Geodesics for 3D Meshes [47.61846725512702]
メッシュが最も直線的な測地線として識別されたリーマン曲面上の指数写像を計算するための原理的枠組みを提案する。
我々は、我々の微分指数写像が一般測地における学習と最適化のパイプラインをどのように改善するかを示す。
論文 参考訳（メタデータ） (2026-03-16T18:10:28Z) - Manifold-Aware Point Cloud Completion via Geodesic-Attentive Hierarchical Feature Learning [3.214168764374659]
特徴学習パイプライン全体を通して非線形幾何学情報を明示的に組み込んだ,多様体対応のクラウド補完フレームワークを提案する。
我々の手法は、復元品質における最先端の手法を一貫して上回っている。
論文 参考訳（メタデータ） (2025-12-05T13:38:35Z) - ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。
この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
論文 参考訳（メタデータ） (2024-03-15T14:35:05Z) - 3D Parametric Wireframe Extraction Based on Distance Fields [33.17232234301046]
点雲からのパラメトリックワイヤフレーム抽出のためのパイプラインを提案する。
我々のアプローチは、最も近い鋭い特徴曲線に近接するスカラー距離場を処理する。
中間段階において、コーナーを検出し、曲線のセグメンテーションを構築し、ワイヤフレームに適合したトポロジグラフを構築する。
論文 参考訳（メタデータ） (2021-07-13T15:25:14Z) - From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized
3D Point Clouds [59.98665358527686]
直交平面の分割自由結合推定法を提案する。
このような統合されたシーン探索は、セマンティックプレーンの検出や局所的およびグローバルなスキャンアライメントといった、多目的のアプリケーションを可能にする。
本実験は,壁面検出から6次元トラッキングに至るまで,様々なシナリオにおいて,我々のアプローチの有効性を実証するものである。
論文 参考訳（メタデータ） (2020-01-21T06:51:47Z)
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。