論文の概要: BodyBridge: Grounded Body Layers for Sim-to-Real Translation of Vulnerable Road Users
- arxiv url: http://arxiv.org/abs/2610.24436v1
- Date: Sat, 17 Oct 2026 03:53:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-26 01:31:05.746238
- Title: BodyBridge: Grounded Body Layers for Sim-to-Real Translation of Vulnerable Road Users
- Title（参考訳）: BodyBridge: 危険道路利用者の同時翻訳のための接地ボディー層
- Abstract要約: BodyBridge and Grounded Body Layers (GBL)は、シーン形状、画素ごとの標準体対応、正確なVRUマスクを組み合わせたシミュレーターによる表現である。
GBLは、ビデオ拡散モデルを明確に記述し、制御ブランチ後のトレーニング中にVRU領域を強調し、推論時のシーン幾何学制御による加算合成をサポートする。
CARLA-to-real翻訳では、BodyBridgeは、放出された深さ条件ベースラインに対して、ほぼ範囲のPCK@0.5を22%改善する。
- 参考スコア（独自算出の注目度）: 0.3265773263570237
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simulation-to-real driving video diffusion models can translate photorealistic scenes, but they typically represent pedestrians and cyclists, vulnerable road users (VRUs), as generic object classes. This is insufficient for vulnerable road users whose safety-relevant appearance depends on articulated pose and identity. We present BodyBridge and Grounded Body Layers (GBL), a simulator-derived, pixel-aligned representation that combines scene geometry, canonical per-pixel body correspondence, and exact VRU masks. GBL provides explicit articulation to the video diffusion model, emphasizes VRU regions during control-branch post-training, and supports additive composition with scene-geometry control at inference. It also enables per-joint evaluation of generated VRUs and a failure taxonomy for identity errors. On CARLA-to-real translation, BodyBridge improves near-range PCK@0.5 by 22% over the released depth-conditioned baseline. Replacing normal-map body control with canonical correspondence reduces body flips by 18%, while composition reduces near-range facing flips by 27%. These results show that explicit body grounding complements scene-level control and improves pose-faithful VRU generation. All code, data, and model checkpoints will be made publicly available to support reproducible, pedestrian-aware autonomous driving research.
- Abstract（参考訳）: シミュレーションからリアルタイムな運転ビデオ拡散モデルは、フォトリアリスティックなシーンを翻訳することができるが、一般的には歩行者やサイクリスト、脆弱な道路利用者(VRU)をジェネリックオブジェクトクラスとして表現する。
これは、安全関連外観が明瞭なポーズとアイデンティティに依存している脆弱な道路利用者には不十分である。
本稿では,シーン形状,画素ごとの標準体対応,正確なVRUマスクを組み合わせた,シミュレータ由来の画素対応表現であるBodyBridge and Grounded Body Layers (GBL)を紹介する。
GBLは、ビデオ拡散モデルを明確に記述し、制御ブランチ後のトレーニング中にVRU領域を強調し、推論時のシーン幾何学制御による加算合成をサポートする。
また、生成したVRUのジョイントごとの評価と、アイデンティティエラーに対する障害分類を可能にする。
CARLA-to-real翻訳では、BodyBridgeは、放出された深さ条件ベースラインに対して、ほぼ範囲のPCK@0.5を22%改善する。
ノーマルマップのボディーコントロールを標準対応で置き換えると、ボディフリップは18%減少し、コンポジションは近距離の対向フリップは27%減少する。
これらの結果から,明示的なボディーグラウンドリングはシーンレベルの制御を補完し,ポーズ忠実なVRU生成を改善することが示唆された。
すべてのコード、データ、モデルチェックポイントが公開され、再現可能な歩行者対応自動運転研究をサポートする。
関連論文リスト
- Closed-Loop Evaluation of Bird's-Eye-View Maps from Cross-View Transformers as Inputs to Behavior-Cloning Policies [0.0]
シミュレーションにおける行動クローン (BC) エージェントの直接ポリシー入力として, CVT (Cross-View Transformer) 予測バードアイビュー (BEV) マップを用いることを検討した。
路面,計画経路,車線境界,車両,歩行者,交通信号などをカバーする6チャンネルのBEV表現を提案し,未表現運転操作に対するセグメンテーション損失を再均衡させるカーネル密度推定(KDE)重み付け手法を提案する。
論文 参考訳（メタデータ） (2026-09-05T00:35:14Z) - What Do They See? Interpreting Complex Road Scenarios Through the Eyes of Vision-Language-Action Models for Safe and Trustworthy Autonomous Vehicle Learning [2.5264159985739623]
フロントカメラ画像から検出対象を体系的に除去するフレームワークを提案する。
これにより、各オブジェクトの存在がモデルの計画行動に与える影響を分離する。
また、モデルが人間ドライバーが考慮する対象に強く反応するケースも見つかる。
論文 参考訳（メタデータ） (2026-07-18T19:20:16Z) - CARLA-GS: Decoupling Representation, Reasoning, and Physics Simulation for Autonomous Driving Corner-Case Synthesis [3.0621944624163695]
コーナーケース生成は本質的に、視覚表現、シーン推論、車両軌道生成と制御にまたがる多ケース問題である。
これらの側面をひとつのフレームワークに統合するために,モジュラーコーナーケース合成パイプラインであるCARLA-GSを提案する。
この設計により、統合パイプライン内での高レベルセマンティック推論、低レベル物理実行可能運動、コーナーケース生成が可能となる。
論文 参考訳（メタデータ） (2026-07-08T16:20:19Z) - ReinDriveGen: Reinforcement Post-Training for Out-of-Distribution Driving Scene Generation [61.64162666162948]
ReinDriveGenは動的駆動シーンのフルコントロールを可能にするフレームワークである。
提案手法は,マルチフレームLiDARデータから動的3Dポイントクラウドシーンを構築する。
提案手法では,映像拡散モデルを用いてリアルな運転映像を合成する2次元条件画像に編集シーンを描画する。
論文 参考訳（メタデータ） (2026-04-01T16:48:20Z) - HorizonForge: Driving Scene Editing with Any Trajectories and Any Vehicles [63.88996084630768]
制御可能な運転シーン生成は、現実的でスケーラブルな自律運転シミュレーションに不可欠である。
シーンを編集可能なガウス版とメッシュとして再構築する統合フレームワークであるHorizonForgeを紹介した。
実験により、ガウス・メシュ表現は代替の3次元表現よりもかなり高い忠実性をもたらすことが示された。
論文 参考訳（メタデータ） (2026-02-24T20:03:47Z) - Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。
既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。
我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
論文 参考訳（メタデータ） (2024-12-11T06:35:18Z) - GTransPDM: A Graph-embedded Transformer with Positional Decoupling for Pedestrian Crossing Intention Prediction [5.647541727494757]
GTransPDMは多モード特徴を利用した歩行者横断意図予測のために開発された。
PIEデータセットでは92%の精度で、JAADデータセットでは87%の精度で処理速度は0.05msである。
論文 参考訳（メタデータ） (2024-09-30T12:02:17Z) - Pedestrian Environment Model for Automated Driving [54.16257759472116]
歩行者の位置とポーズ情報を含む環境モデルを提案する。
画像から人間のポーズ推定器を用いて骨格情報を抽出する。
位置の3D情報を得るために,車両の位置と合わせて連続するフレームからデータを集約する。
論文 参考訳（メタデータ） (2023-08-17T16:10:58Z) - Recovering and Simulating Pedestrians in the Wild [81.38135735146015]
本研究では,自動車の走行によって野生で捕獲されたセンサから歩行者の形状と動きを復元することを提案する。
再建された歩行者資産銀行をリアルな3Dシミュレーションシステムに組み込む。
シミュレーションしたLiDARデータを用いて,視覚知覚タスクに必要な実世界のデータ量を大幅に削減できることを示す。
論文 参考訳（メタデータ） (2020-11-16T17:16:32Z)
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。