Fugu-MT 論文翻訳(概要): LighTROcc: Lightweight 4D Occupancy Forecasting via Instance-Centric 3D Gaussians

論文の概要: LighTROcc: Lightweight 4D Occupancy Forecasting via Instance-Centric 3D Gaussians

arxiv url: http://arxiv.org/abs/2610.09444v1
Date: Wed, 07 Oct 2026 04:52:38 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-09 07:15:05.753663
Title: LighTROcc: Lightweight 4D Occupancy Forecasting via Instance-Centric 3D Gaussians
Title（参考訳）: LighTROcc: インスタンス中心の3Dガウスによる軽量4D作業予測
Abstract要約: LighTROccは、サラウンドビューカメラから将来の3D占有率を予測する軽量なインスタンス中心フレームワークである。 LighTROccは、画像空間のクロスアテンション、クエリ固有の深さ、カメラジオメトリを組み合わせた注意誘導フォワードリフトを通じて、各クエリをローカライズする。 nuScenes と supplemented nuScenes-Occupancy の実験により、LighTROcc はインスタンスレベルの予測精度において、評価された高密度およびインスタンスワイズベースラインより優れていることが示された。
参考スコア（独自算出の注目度）: 37.99125803300384
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Forecasting future 3D occupancy from surround-view cameras is essential for autonomous driving, yet existing approaches rely on dense voxel or bird's-eye-view representations whose cost grows rapidly with spatial resolution and prediction horizon. Because these representations do not explicitly maintain object identities, they also struggle to preserve instance consistency over time. We present LighTROcc, a lightweight instance-centric framework that represents movable objects with a compact set of learned queries and predicts present and future occupancy in a single forward pass. LighTROcc localizes each query through attention-guided forward lifting, combining image-space cross-attention, query-specific depth, and camera geometry to estimate its 3D center. Each instance is modeled as a mixture of anisotropic 3D Gaussians and propagated across future steps using predicted displacements, producing continuous, temporally consistent occupancy forecasts. Experiments on nuScenes and supplemented nuScenes-Occupancy show that LighTROcc outperforms the evaluated dense and instance-wise baselines in instance-level forecasting accuracy while maintaining strong voxel-level occupancy quality. Across different model configurations, LighTROcc achieves a favorable balance between forecasting accuracy and computational efficiency, demonstrating the potential of compact instance-centric modeling for camera-based 4D occupancy forecasting.
Abstract（参考訳）: しかし、既存のアプローチでは、空間分解能と予測地平線によってコストが急速に増大する高密度のボクセルや鳥眼ビューの表現に依存している。これらの表現はオブジェクトのIDを明示的に保持しないため、時間の経過とともにインスタンスの一貫性を維持するのにも苦労する。我々はLighTROccについて述べる。LighTROccは、学習クエリのコンパクトなセットで可動オブジェクトを表現する軽量なインスタンス中心のフレームワークで、単一のフォワードパスで現在および将来の占有率を予測する。 LighTROccは3D中心を推定するために、画像空間のクロスアテンション、クエリ固有の深さ、カメラ幾何学を組み合わせて、注意誘導フォワードリフトを通じて各クエリをローカライズする。それぞれのインスタンスは異方性3Dガウスの混合としてモデル化され、予測された変位を用いて将来のステップに伝播し、連続的に時間的に一貫した占有予測を生成する。 nuScenes と supplemented nuScenes-Occupancy の実験では、LighTROcc は強いボキセルレベルの占有率を維持しながら、インスタンスレベルの予測精度において、評価された密度およびインスタンスワイズベースラインよりも優れていた。様々なモデル構成において、LighTROccは予測精度と計算効率のバランスを良好に保ち、カメラベースの4D占有率予測のためのコンパクトなインスタンス中心モデリングの可能性を示している。

関連論文リスト

From Where to How: Continuous 4D Interaction Forecasting from Egocentric Video [62.898774619819676]
エゴセントリックな4Dインタラクション予測は、将来のインタラクションが3Dで起こる場所と、その実現のために人体がどのように動くかを予測することを目的としている。コヒーレント4D(Coherent4D)は、3つの領域にわたる約233Kサンプルからなる連続4Dインタラクション予測のための大規模エゴセントリックデータセットである。 HIGFlow(Hand Interaction Guided Residual Flow)フレームワークを提案する。
論文参考訳（メタデータ） (2026-09-08T12:06:23Z)
PointSplat: Compact Gaussian Splatting via Human-Centric Prediction [70.45838533838104]
本研究では,ハエのインプットビューから3次元人間表現を創出する新しい人間中心のアプローチであるPointSplatを提案する。提案手法は,まず粗い幾何学的プロキシを推定し,冗長点を起点とするレイキャスティングを行う。その後、ポイント・イメージ・トランスフォーマーを使用して外観と幾何学的特徴を融合させ、ガウスの属性を1つの前方通過で予測する。
論文参考訳（メタデータ） (2026-06-30T17:59:05Z)
ForecastOcc: Vision-based Semantic Occupancy Forecasting [16.699381591572163]
ForecastOccは視覚に基づくセマンティック占有予測のための最初のフレームワークであり、将来の占有状況とセマンティックカテゴリーを予測する。本フレームワークは,過去のカメラ画像から直接,外部推定地図に頼らずに,複数の地平線に対するセマンティック占有率の予測を行う。
論文参考訳（メタデータ） (2026-02-08T15:16:06Z)
Into the Unknown: Towards using Generative Models for Sampling Priors of Environment Uncertainty for Planning in Configuration Spaces [28.37021202108478]
事前は部分的な可観測性の下での計画には不可欠だが、実際は入手が困難である。本稿では, 大規模事前学習モデルを用いて, ゼロショット方式で事前生成を行う確率論的パイプラインを提案する。我々は、ロボットが観測されていない対象物にナビゲートする必要がある戸口を通して部分的に見える部屋のMatterport3Dベンチマークを構築した。
論文参考訳（メタデータ） (2025-10-13T05:08:48Z)
ST-GS: Vision-Based 3D Semantic Occupancy Prediction with Spatial-Temporal Gaussian Splatting [21.87807066521776]
3次元占有予測は、視覚中心の自律運転における総合的なシーン理解に不可欠である。近年, 計算オーバーヘッドを低減しつつ, 3次元意味ガウスモデルを用いて占有率をモデル化する研究が進められている。本稿では,時空間モデリングと時空間モデリングの両立を図るため,新しい時空間ガウススティング(ST-GS)フレームワークを提案する。
論文参考訳（メタデータ） (2025-09-20T06:36:30Z)
StarPose: 3D Human Pose Estimation via Spatial-Temporal Autoregressive Diffusion [29.682018018059043]
StarPoseは3次元人間のポーズ推定のための自己回帰拡散フレームワークである。歴史的3Dポーズの予測と空間的物理的ガイダンスが組み込まれている。人間の3次元ポーズ推定における精度と時間的一貫性を向上する。
論文参考訳（メタデータ） (2025-08-04T04:50:05Z)
TGP: Two-modal occupancy prediction with 3D Gaussian and sparse points for 3D Environment Awareness [13.68631587423815]
3Dセマンティックな占有力は、ロボット工学と自律運転環境知覚の分野において、急速に研究の焦点となっている。既存の占有予測タスクは、voxelやポイントクラウドベースのアプローチを使用してモデル化される。本稿では空間的位置と体積構造情報のバランスをとる3次元ガウス集合とスパース点に基づく2次元モーダル予測法を提案する。
論文参考訳（メタデータ） (2025-03-13T01:35:04Z)
OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
論文参考訳（メタデータ） (2024-09-14T07:44:22Z)
On Triangulation as a Form of Self-Supervision for 3D Human Pose Estimation [57.766049538913926]
ラベル付きデータが豊富である場合, 単一画像からの3次元ポーズ推定に対する改良されたアプローチは, 極めて効果的である。最近の注目の多くは、セミと(あるいは)弱い教師付き学習に移行している。本稿では,多視点の幾何学的制約を,識別可能な三角測量を用いて課し,ラベルがない場合の自己監督の形式として用いることを提案する。
論文参考訳（メタデータ） (2022-03-29T19:11:54Z)

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。