論文の概要: RAHF-Net: Range-Aware Heterogeneous Fusion for LiDAR-Assisted RGB Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2610.25400v1
• Date: Sun, 18 Oct 2026 16:54:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.014373
• Title: RAHF-Net: Range-Aware Heterogeneous Fusion for LiDAR-Assisted RGB Semantic Segmentation
• Title（参考訳）: RAHF-Net: LiDARを用いたRGBセマンティックセマンティックセグメンテーションのためのレンジ対応不均一核融合
• Abstract要約: 本稿では,LiDARを用いたRGBセマンティックセマンティックセマンティックセグメンテーションについて検討する。 既存の2D融合法は、しばしば点雲を浅い深さ/範囲の地図に投影し、空間的に均一な融合を適用し、リッチな3D構造を捨て、屋外のLiDARの射程依存的信頼性を無視している。 RAHF-Net, a Range-Aware Heterogeneous Fusion Network, its Cylindrical-to-Perspective (C2P) module projects for pretrained cylinder voxel features into the image plane, Preserving structured 3。
• 参考スコア（独自算出の注目度）: 10.267269832780478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper studies LiDAR-assisted RGB semantic segmentation, where LiDAR point-cloud features improve dense pixel-wise predictions in the RGB image plane rather than 3D point labels or detections. Existing 2D fusion methods often project point clouds into shallow depth/range maps and apply spatially uniform fusion, discarding rich 3D structure and ignoring the range-dependent reliability of outdoor LiDAR. We propose RAHF-Net, a Range-Aware Heterogeneous Fusion Network. Its Cylindrical-to-Perspective (C2P) module projects pretrained cylindrical voxel features into the image plane, preserving structured 3D semantic priors. A Range-Aware Heterogeneous Fusion (RAHF) module then uses a soft depth-derived range mask to perform LiDAR-guided geometric enhancement in reliable near-field regions and visual-context enhancement in sparse far-field regions. On KITTI-360, RAHF-Net achieves 65.76 mIoU, outperforming representative RGB-only and RGB-LiDAR baselines, including CMX by 1.45 points. Experiments on DELIVER further demonstrate improved robustness under adverse weather, illumination degradation, and sensor corruption.
• Abstract（参考訳）: 本稿では,LiDARを用いたRGBセマンティックセマンティックセマンティックセグメンテーションについて検討する。 既存の2D融合法は、しばしば点雲を浅い深さ/範囲の地図に投影し、空間的に均一な融合を適用し、リッチな3D構造を捨て、屋外のLiDARの射程依存的信頼性を無視している。 距離対応不均一核融合ネットワークRAHF-Netを提案する。 そのCylindrical-to-Perspective (C2P)モジュールは、事前に訓練された円筒状のボクセルの特徴を画像面に投影し、構造化された3Dセマンティクスを保存している。 Range-Aware Heterogeneous Fusion (RAHF)モジュールはソフトな深度由来のレンジマスクを使用して、信頼性の高い近距離領域におけるLiDAR誘導幾何拡張と、疎遠距離領域における視覚的コンテキスト拡張を行う。 KITTI-360ではRAHF-Netが65.76 mIoUを達成した。 DELIVERの実験では、悪天候下での堅牢性の向上、照明劣化、センサ劣化がさらに実証された。

関連論文リスト

• When Depth Hurts: Reliability-Aware Geometry Distillation for Depth-Free RGB-D Salient Object Detection [39.23633029110609]
  欠落した領域、ぼやけた境界、構造的アーティファクトは多モード核融合を通じて伝播し、RGB-D検出器はRGBのみの検出器よりも精度が低い。 本稿では,RGB-D SODベンチマークのための信頼性を考慮した幾何蒸留フレームワークを提案する。 ReDWeb-Sにおける13.4%のMAE削減を含む、最近のRGB-D SOD法と比較して、36のメトリック・データセットのうち26のベストまたはタイト・ベストな結果を達成する。
  論文  参考訳（メタデータ） (2026-09-03T05:29:10Z)
• Geometry-Aware Fisheye-LiDAR Fusion for Robust 3D Object Detection in Low-Overlap Setups [8.422269543220251]
  魚眼形状とBEV特徴歪みを考慮したGeometry-Aware Hybrid Fusion (GA-HF) フレームワークを提案する。 GA-HFは、KITTI-360、Dur360BEV、およびFisheye3DODデータセットの3つのベンチマークで評価される。
  論文  参考訳（メタデータ） (2026-06-07T21:26:00Z)
• Veila: Panoramic LiDAR Generation from a Monocular RGB Image [18.511014983119274]
  現実的で制御可能なパノラマLiDARデータ生成は、自律運転およびロボット工学におけるスケーラブルな3D知覚に不可欠である。 空間制御信号として単眼RGB画像を活用することは、スケーラブルで低コストな代替手段を提供する。 局所的な信頼性に応じて意味と深度を統合した新しい条件拡散フレームワークであるVeilaを提案する。
  論文  参考訳（メタデータ） (2025-08-05T17:59:53Z)
• Multistream Network for LiDAR and Camera-based 3D Object Detection in Outdoor Scenes [59.78696921486972]
  LiDARとRGBデータの融合により、屋外の3Dオブジェクト検出精度が向上する可能性がある。 両データモダリティからタスク関連情報を的確に抽出するMultiStream Detection (MuStD) ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-07-25T14:20:16Z)
• Targetless 6DoF Calibration of LiDAR and 2D Scanning Radar Based on Cylindrical Occupancy [8.895838973148452]
  LiRaCoは、LiDARとレーダーセンサーの外部6DoFキャリブレーションのためのターゲットレスキャリブレーションアプローチである。 LiRaCoは、LiDAR点雲とRadarスキャンの間の空間占有一貫性を共通円筒表現で活用する。 外部キャリブレーションパラメータを含むコスト関数は、3次元格子とLiDAR点の空間的重なりに基づいて定式化する。
  論文  参考訳（メタデータ） (2025-03-21T10:09:04Z)
• Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
  高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。 提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
  論文  参考訳（メタデータ） (2025-01-25T06:21:06Z)
• Blurred LiDAR for Sharper 3D: Robust Handheld 3D Scanning with Diffuse LiDAR and RGB [12.38882701862349]
  3D表面の再構成は、仮想現実、ロボット工学、モバイルスキャンの応用において不可欠である。 RGBベースの再構築は、低テクスチャ、低照度、低アルベドシーンでしばしば失敗する。 我々は、拡散フラッシュを出力する代替のLiDARクラスを提案する。
  論文  参考訳（メタデータ） (2024-11-29T05:01:23Z)
• LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
  都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。 この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-10-07T15:07:56Z)
• EPMF: Efficient Perception-aware Multi-sensor Fusion for 3D Semantic Segmentation [62.210091681352914]
  自律運転やロボティクスなど,多くのアプリケーションを対象とした3次元セマンティックセマンティックセグメンテーションのためのマルチセンサフュージョンについて検討する。 本研究では,知覚認識型マルチセンサフュージョン(PMF)と呼ばれる協調融合方式について検討する。 本稿では,2つのモードから特徴を分離して抽出する2ストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-21T10:47:26Z)
• Volumetric Propagation Network: Stereo-LiDAR Fusion for Long-Range Depth Estimation [81.08111209632501]
  長距離深度推定のための幾何認識型ステレオLiDAR融合ネットワークを提案する。 ステレオ画像の対応を統一した3Dボリューム空間で導くためのキューとして、スパースで正確な点群を活用します。 我々のネットワークは,KITTIおよびVirtual-KITTIデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-03-24T03:24:46Z)

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。