論文の概要: CRISP: Fixing Flying Pixels in Latent LiDAR Generation via Diffusion Decoding

• arxiv url: http://arxiv.org/abs/2610.11376v1
• Date: Thu, 08 Oct 2026 07:07:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.853122
• Title: CRISP: Fixing Flying Pixels in Latent LiDAR Generation via Diffusion Decoding
• Title（参考訳）: CRISP:拡散デコードによる遅延LiDAR生成におけるフライングピクセルの修正
• Abstract要約: CRISPは、バックボーン非依存のラテントアダプタを備えたピクセル空間拡散デコーダである。 LiDARネイティブのLiDMバックボーンでは、FRIDは71%減少し、深さ不連続で最大の上昇を示した。
• 参考スコア（独自算出の注目度）: 17.044436234844017
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Latent LiDAR pipelines suffer from flying pixels: convolutional VAEs blur sharp radial depth discontinuities, yielding edge depths that back-project to points floating between surfaces. We identify this as a major, directly correctable decoder bottleneck and introduce CRISP: a pixel-space diffusion decoder with a backbone-agnostic latent adapter, DiT-based denoiser, and support mask predictor. CRISP replaces video-VAE and LiDAR-native decoders alike while keeping the encoder and latent generator fixed. Across KITTI-360, SemanticKITTI, and nuScenes, replacing only the decoder reduces FSVD/FPVD by 50.5% on average across frozen backbones; for generic video VAEs, the reductions reach 71%/74%. On the LiDAR-native LiDM backbone, FRID drops by 71%, with the largest gains at depth discontinuities. In a pretrained LiDM world model, the same zero-shot replacement improves FSVD by 15.5%, narrowing the sim-to-real gap.
• Abstract（参考訳）: 畳み込みVAEは鋭い放射深度の不連続性を曖昧にし、表面の間に浮かぶ点に後方に突出するエッジ深さをもたらす。 我々はこれを大きな、直接修正可能なデコーダのボトルネックとして認識し、背骨非依存のラテントアダプタを備えたピクセル空間拡散デコーダ、DiTベースのデノイザ、サポートマスク予測器、CRISPを導入する。 CRISPは、ビデオVAEとLiDARネイティブデコーダを置き換え、エンコーダと潜伏ジェネレータを固定する。 KITTI-360、SemanticKITTI、nuScenesでは、デコーダのみを置き換えることで、冷凍バックボーン全体のFSVD/FPVDを平均50.5%削減する。 LiDARネイティブのLiDMバックボーンでは、FRIDは71%減少し、深さ不連続で最大の上昇を示した。 事前訓練されたLiDMの世界モデルでは、同じゼロショットの置き換えはFSVDを15.5%改善し、sim-to-realギャップを狭める。

関連論文リスト

• Neural Network Verification for Deep Joint Source-Channel Coding [7.477547166922622]
  本稿では,DeepJSCCのデコーダを検証するための最初のバウンドプロパゲーションフレームワークを提案する。 また,Lipschitz-regularized global robustness training(GloRo)をインスタンス化し,グローバルなロバスト性を改善し,DeepJSCCモデルの厳格な認証を可能にする。
  論文  参考訳（メタデータ） (2026-10-08T14:02:49Z)
• FuseReg: Regularizing Layer Fusion Mitigates the Reconstruction-Generation Gap in Representation Autoencoders [43.315583868805355]
  機能選択をエンコーダ層のランダムなサブセット上でのトレーニングに置き換えるFuseRegを導入する。 DINOv3-LのImageNet-256では、1つのFuseRegデコーダがリトレーニングなしでフル、スパース、シングルレイヤのフュージョンから再構成される。 両方のステージにFuseRegを適用することで、非ガイダンスgFIDもDiT-Baseで29%削減される。
  論文  参考訳（メタデータ） (2026-09-25T17:59:59Z)
• TIO-Former: Ultra-Lightweight 6-Directional ToF-Inertial Odometry for Nano-UAVs via a Streaming Causal Transformer [19.298838240329292]
  TIO-FORMERは、ナノUAV用のカメラレス光フローナビゲーションフレームワークである。 ナノUAVの光学流と比較して、開ループ位置誤差を54.4%削減する。 資源制約されたマイクロエアリアルロボットに実用的なアンカーを提供する。
  論文  参考訳（メタデータ） (2026-09-15T13:54:06Z)
• LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics [50.45297537821907]
  我々はLeJEPAの崩壊のない目的の下で訓練された最初のビデオエンコーダLeVJEPAを紹介する。 単一のエンコーダは、クリップのグローバルおよびローカルビューよりも分散損失で訓練される。 LeVJEPAはV-JEPA 2とVT-S/B/Lの5.6から20.8倍の速さで一致または超える。
  論文  参考訳（メタデータ） (2026-08-27T17:26:24Z)
• DiP: Taming Diffusion Models in Pixel Space [91.51011771517683]
  Diffusion Transformer (DiT) バックボーンは、効率的なグローバル構造構築のために大きなパッチで動作する。 共同トレーニングされた軽量パッチディーラーヘッドは、コンテキスト機能を活用して、きめ細かいローカル詳細を復元する。
  論文  参考訳（メタデータ） (2025-11-24T06:55:49Z)
• SSDD: Single-Step Diffusion Decoder for Efficient Image Tokenization [56.12853087022071]
  スケーリングとトレーニングの安定性を向上させるために,新しい画素拡散デコーダアーキテクチャを導入する。 蒸留を用いて, 拡散復号器の性能を効率よく再現する。 これによりSSDDは、敵の損失なしに訓練された単一ステップ再構成に最適化された最初の拡散デコーダとなる。
  論文  参考訳（メタデータ） (2025-10-06T15:57:31Z)
• TransUPR: A Transformer-based Uncertain Point Refiner for LiDAR Point Cloud Semantic Segmentation [6.587305905804226]
  本稿ではトランスUPR(Transformer-based certain point refiner)を提案する。 我々のTransUPRは最先端のパフォーマンス、すなわちSemantic KITTIベンチマーク上の68.2%のIntersection over Union(mIoU)を達成する。
  論文  参考訳（メタデータ） (2023-02-16T21:38:36Z)
• Distortion-Aware Loop Filtering of Intra 360^o Video Coding with Equirectangular Projection [81.63407194858854]
  等角射影(ERP)フォーマットで投影された360$o$ビデオの符号化性能を向上させるため,歪みを考慮したループフィルタリングモデルを提案する。 提案モジュールは、符号化ユニット(CU)パーティションマスクに基づいてコンテンツ特性を分析し、部分的畳み込みによって処理し、指定された領域を活性化する。
  論文  参考訳（メタデータ） (2022-02-20T12:00:18Z)
• Reducing Redundancy in the Bottleneck Representation of the Autoencoders [98.78384185493624]
  オートエンコーダは教師なしニューラルネットワークの一種であり、様々なタスクを解くのに使用できる。 本稿では,ボトルネック表現における特徴冗長性を明示的に罰する手法を提案する。 我々は,3つの異なるデータセットを用いた次元削減,MNISTデータセットを用いた画像圧縮,ファッションMNISTを用いた画像デノナイズという,さまざまなタスクにまたがってアプローチを検証した。
  論文  参考訳（メタデータ） (2022-02-09T18:48:02Z)

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。