論文の概要: PointForward V2: Point-Aligned Interaction for Feedforward Driving Reconstruction

• arxiv url: http://arxiv.org/abs/2610.28120v1
• Date: Tue, 20 Oct 2026 12:30:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.805244
• Title: PointForward V2: Point-Aligned Interaction for Feedforward Driving Reconstruction
• Title（参考訳）: Point Forward V2: フィードフォワード運転再建のためのポイントアライメントインタラクション
• Abstract要約: 本稿では,ポイントフォワードV2について述べる。 各フレームについて、異なるフレームからのクエリは、オブジェクト中心の標準空間に配置され、インスタンス固有の動的インスタンスレジスタを介して対話する。 このようにして、PointForward V2は、高密度なグローバルな注意を払わずに、持ち上げられた3Dクエリ間で直接、スケーラブルな時間的推論を可能にする。
• 参考スコア（独自算出の注目度）: 20.786318351473962
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feedforward reconstruction of dynamic driving scenes requires integrating observations across multiple views and time steps into a coherent 3D representation. PointForward established state-of-the-art feedforward driving reconstruction by lifting image observations into sparse 3D queries, demonstrating the effectiveness of point-aligned scene representations. However, these queries are largely processed independently, limiting information exchange across space and time, while direct global attention among tens of thousands of point queries is computationally prohibitive. In this work, we present \textbf{PointForward V2}, which advances point-aligned representation to point-aligned interaction. Our key idea is to mediate query interaction through compact, scene-structured registers. For the static background, frame-wise Static Scene Registers compress point information, communicate across frames, and propagate the aggregated context back to the queries. For each dynamic instance, queries from different frames are aligned in an object-centric canonical space and interact through instance-specific Dynamic Instance Registers. We further employ 4D positional encoding that combines aligned spatial coordinates with original timestamps, enabling spatially aligned yet temporally distinguishable interactions. In this way, PointForward V2 enables scalable spatio-temporal reasoning directly among lifted 3D queries without dense global attention. Experiments on Waymo, nuScenes, and Argoverse 2 demonstrate state-of-the-art performance across large-scale driving benchmarks.
• Abstract（参考訳）: 動的駆動シーンのフィードフォワード再構成には、複数のビューと時間ステップにわたる観察をコヒーレントな3D表現に統合する必要がある。 PointForwardは、画像観察をスパース3Dクエリに上げ、ポイントアラインなシーン表現の有効性を示すことによって、最先端のフィードフォワード駆動再構築を確立した。 しかし、これらのクエリは、主に独立して処理され、空間と時間間の情報交換を制限する一方、数万のポイントクエリ間の直接的なグローバルな関心は、計算的に禁止されている。 この研究では、点整列表現を点整列相互作用に進める「textbf{PointForward V2}」を示す。 私たちのキーとなるアイデアは、コンパクトでシーン構造化されたレジスタを通じてクエリインタラクションを仲介することです。 静的背景では、フレームワイドの静的シーンレジスタがポイント情報を圧縮し、フレーム間で通信し、集約されたコンテキストをクエリに伝達する。 各動的インスタンスに対して、異なるフレームからのクエリは、オブジェクト中心の標準空間に配置され、インスタンス固有の動的インスタンスレジスタを介して対話する。 さらに,空間座標と元のタイムスタンプを組み合わせ,空間座標を時間的に区別可能な相互作用を可能にする4次元位置符号化を用いる。 このようにして、PointForward V2は、高密度なグローバルな注意を払わずに、持ち上げられた3Dクエリ間で、スケーラブルな時空間推論を可能にする。 Waymo、nuScenes、Argoverse 2の実験では、大規模な運転ベンチマークで最先端のパフォーマンスが実証されている。

関連論文リスト

• PointForward: Feedforward Driving Reconstruction through Point-Aligned Representations [39.816194543559526]
  本稿では,ポイントアライン表現によるフィードフォワード駆動型再構築フレームワークであるPointForwardを提案する。 画素アライメント法とは異なり、時空間融合により多視点画像情報を集約する。 本手法は,インスタンスレベルの動き伝搬と時間的に一貫した動的表現を可能にする。
  論文  参考訳（メタデータ） (2026-05-12T06:20:59Z)
• Online Segment Any 3D Thing as Instance Tracking [60.20416622842975]
  オンライン3Dセグメンテーションをインスタンス追跡問題として再認識する(AutoSeg3D)。 視覚基礎モデルに固有の断片化問題を緩和するために,空間整合性学習を導入する。 ScanNet200上でESAMを2.8 AP上回る新しい最先端技術を確立する。
  論文  参考訳（メタデータ） (2025-12-08T14:48:51Z)
• REACT3D: Recovering Articulations for Interactive Physical 3D Scenes [96.27769519526426]
  REACT3Dは静的な3Dシーンを一貫した幾何学を持つシミュレーション可能なインタラクティブなレプリカに変換するフレームワークである。 室内の様々な場面における検出・分離・調音計測における最先端性能について検討した。
  論文  参考訳（メタデータ） (2025-10-13T12:37:59Z)
• Mitigating Query Selection Bias in Referring Video Object Segmentation [39.39279952650532]
  本稿では,参照クエリを3つの特別なコンポーネントに分解するTriple Query former (TQF)を提案する。 テキストの埋め込みにのみ依存するのではなく、我々のクエリは言語的手がかりと視覚的ガイダンスの両方を統合することで動的に構築されます。
  論文  参考訳（メタデータ） (2025-09-17T06:17:23Z)
• TSDASeg: A Two-Stage Model with Direct Alignment for Interactive Point Cloud Segmentation [3.615396917221689]
  本稿では,双方向アライメントモジュールとメモリモジュールを組み合わせた2段階モデルであるTSDASegを提案する。 直交アライメントモジュールを導入し、3次元点雲とテキスト/2次元画像データとの明確なアライメントを確立する。 メモリモジュール内では、複数の専用メモリバンクを使用して、テキストの特徴、視覚的特徴、およびそれらの相互モーダル対応マッピングを別々に格納する。
  論文  参考訳（メタデータ） (2025-06-26T04:10:33Z)
• POMATO: Marrying Pointmap Matching with Temporal Motion for Dynamic 3D Reconstruction [53.19968902152528]
  POMATOは時間運動と一致する点マップを結合して動的3次元再構成を実現するための統合フレームワークである。 具体的には,RGB画素を動的および静的の両方の領域から3次元ポイントマップにマッピングすることで,明示的なマッチング関係を学習する。 本稿では,複数の下流タスクにまたがる顕著な性能を示すことによって,提案したポイントマップマッチングと時間融合のパラダイムの有効性を示す。
  論文  参考訳（メタデータ） (2025-04-08T05:33:13Z)
• Ret3D: Rethinking Object Relations for Efficient 3D Object Detection in Driving Scenes [82.4186966781934]
  Ret3Dと呼ばれるシンプルで効率的で効果的な2段階検出器を導入する。 Ret3Dの中核は、新しいフレーム内およびフレーム間関係モジュールの利用である。 無視できる余分なオーバーヘッドにより、Ret3Dは最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-08-18T03:48:58Z)

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。