論文の概要: GNFormer: Gaussian Neural Field Transformer for Efficient Camera-based Occupancy Prediction

• arxiv url: http://arxiv.org/abs/2610.15522v1
• Date: Sun, 11 Oct 2026 10:39:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 18:14:08.260602
• Title: GNFormer: Gaussian Neural Field Transformer for Efficient Camera-based Occupancy Prediction
• Title（参考訳）: GNFormer: 効率的なカメラベース動作予測のためのガウス型ニューラルネットワーク変換器
• Abstract要約: ボクセルの位置を意味的占有度に正確にマッピングできる新しい3D表現であるガウスニューラルフィールド(GNF)を提案する。 我々はさらに、カメラによる占有予測のためにGNFを予測する合理化フレキシブルな手法であるGaussian Neural Field Transformer(GNFormer)を開発した。
• 参考スコア（独自算出の注目度）: 7.641277953281481
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camera-based occupancy prediction provides geometric and semantic scene understanding for robot perception and has been adopted in autonomous vehicle and UAV perception systems. Gaussian primitives offer a promising alternative by potentially representing only occupied regions, thereby concentrating computation and representational capacity where needed and reducing wasted computation and memory in empty space. However, existing Gaussian-based methods suffer from poor primitive utilization, as ineffective training objectives leave some Gaussians in empty space, while the limited expressiveness of Gaussian functions restricts their ability to model complex shapes. To address these limitations, we propose a novel 3D representation, Gaussian Neural Field (GNF), which can accurately map voxel positions to semantic occupancies. In GNF, Gaussians and a neural network jointly parameterize the field, where the Gaussians define its spatial support and provide features for neural decoding, while the neural network enables more expressive occupancy modeling than Gaussian functions alone. We further develop the Gaussian Neural Field Transformer (GNFormer), a streamlined and flexible method that predicts GNFs for camera-based occupancy prediction. Across Occ-ScanNet, SSCBench-KITTI-360, and nuScenes-SurroundOcc benchmarks, GNFormer achieves the highest IoU and mIoU and the fastest inference among the compared single-frame methods. In the experiments, GNFormer can represent indoor and outdoor scenes with only 256 and 1024 Gaussians, respectively, substantially fewer primitives than prior Gaussian-based methods. The code will be released.
• Abstract（参考訳）: カメラによる占有予測は、ロボット知覚の幾何学的・意味的なシーン理解を提供し、自律走行車やUAV認識システムに採用されている。 ガウスのプリミティブは、占有領域のみを潜在的に表現することで、必要であれば計算と表現能力に集中させ、空き空間における無駄な計算とメモリを減らすという、有望な代替手段を提供する。 しかし、ガウス函数の限定表現性は、複素形状をモデル化する能力を制限する一方で、非効率な訓練目的が空空間にガウス函数を残しているため、既存のガウス的手法は原始的利用に苦しむ。 これらの制約に対処するために,ボクセルの位置を意味的占有度に正確にマッピングできる新しい3D表現であるガウスニューラルフィールド(GNF)を提案する。 GNFでは、ガウスとニューラルネットワークが共同でフィールドをパラメータ化し、ガウスはその空間的サポートを定義し、ニューラルデコーディングの機能を提供する。 我々はさらに、カメラによる占有予測のためにGNFを予測する合理化フレキシブルな手法であるGaussian Neural Field Transformer(GNFormer)を開発した。 Occ-ScanNet、SSCBench-KITTI-360、nuScenes-SurroundOccベンチマークを通して、GNFormerは最高IoUおよびmIoUを達成し、比較したシングルフレーム手法の中で最速の推論を行う。 実験では、GNFormerは、それぞれ256と1024のガウス人しかいない屋内と屋外のシーンを表現できる。 コードはリリースされます。

関連論文リスト

• Dehaze-GaussianImage: Zero-Shot Dehazing via Efficient 2D Gaussian Splatting Representation [25.472500911155347]
  Dehaze-GaussianImageは、2次元ガウススプラッティングを画像デハージング領域に導入する最初のゼロショットフレームワークである。 具体的には,大気散乱モデルをガウスパラメータ空間に埋め込んだゼロショット学習手法を提案する。 実験により, 提案手法は, 完全に教師のない方法で, 最先端(SOTA)の性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2026-06-15T03:25:56Z)
• ShelfGaussian: Shelf-Supervised Open-Vocabulary Gaussian-based 3D Scene Understanding [7.610505486431266]
  オープンボキャブラリ型多モードガウス型3Dシーン理解フレームワークであるShelfGaussianについて紹介する。 既存の手法は、オブジェクトをアノテーション付き3Dラベルで教師される閉集合意味ガウスとしてモデル化し、そのレンダリング能力を無視したり、純粋に2Dの自己スーパービジョンを通じてオープンセットガウス表現を学習する。
  論文  参考訳（メタデータ） (2025-12-03T02:06:09Z)
• ProtoGS: Efficient and High-Quality Rendering with 3D Gaussian Prototypes [81.48624894781257]
  3D Gaussian Splatting (3DGS) は、新しいビュー合成において大きな進歩を遂げてきたが、ガウスプリミティブのかなりの数によって制限されている。 近年の手法では、密度の高いガウスの記憶容量を圧縮することでこの問題に対処しているが、レンダリングの品質と効率の維持には失敗している。 本稿では,ガウスの原始体を表現するためにガウスのプロトタイプを学習するProtoGSを提案し,視覚的品質を犠牲にすることなくガウスの総量を大幅に削減する。
  論文  参考訳（メタデータ） (2025-03-21T18:55:14Z)
• Manboformer: Learning Gaussian Representations via Spatial-temporal Attention Mechanism [0.3277163122167433]
  ボクセルベースのグリッド予測と比較して、自律運転のための3Dセマンティック占有予測の分野において、ガウシアンフォーマーは3Dガウシアンを用いてオブジェクトに基づくスパースな3Dセマンティックガウシアンシーンを記述することを提案した。 実験の結果,本手法で要求されるガウス関数は,元の高密度グリッドネットワークのクエリ分解能よりも大きく,性能が損なわれていることがわかった。
  論文  参考訳（メタデータ） (2025-03-06T09:40:46Z)
• GaussianFormer-2: Probabilistic Gaussian Superposition for Efficient 3D Occupancy Prediction [55.60972844777044]
  3Dセマンティック占有予測は、堅牢な視覚中心の自律運転において重要な課題である。 既存のほとんどの手法は、密度の高いグリッドベースのシーン表現を利用しており、運転シーンの空間的空間性を見渡している。 本稿では,各ガウス分布をその周辺領域の確率分布として解釈する確率論的ガウス重ね合わせモデルを提案する。
  論文  参考訳（メタデータ） (2024-12-05T17:59:58Z)
• Variable Bitrate Neural Fields [75.24672452527795]
  本稿では,特徴格子を圧縮し,メモリ消費を最大100倍に削減する辞書手法を提案する。 辞書の最適化をベクトル量子化オートデコーダ問題として定式化し、直接監督できない空間において、エンドツーエンドの離散神経表現を学習する。
  論文  参考訳（メタデータ） (2022-06-15T17:58:34Z)

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。