論文の概要: Leveraging 2D Foundation Priors for Generalized Category Discovery under Test-Time Adaptation in 3D LiDAR Segmentation

• arxiv url: http://arxiv.org/abs/2611.01682v1
• Date: Sun, 01 Nov 2026 08:02:36 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:12:40.95941
• Title: Leveraging 2D Foundation Priors for Generalized Category Discovery under Test-Time Adaptation in 3D LiDAR Segmentation
• Title（参考訳）: 3次元LiDARセグメンテーションにおけるテスト時間適応下での一般化カテゴリー発見のための2Dファウンデーションの活用
• Abstract要約: 3次元LiDARセマンティックセマンティックセグメンテーションにおけるGCD-TTAのための2段階フレームワークを提案する。 第1段階では,幾何学的密度の変動に応じて局所的な3次元特徴を適応的に集約する。 第2段階では、カテゴリ発見を最適な輸送割り当てプロセスとみなした。
• 参考スコア（独自算出の注目度）: 16.676886970471042
• License:
• Abstract: In autonomous driving, 3D LiDAR semantic segmentation is expected to adapt to evolving environments and recognize previously unseen categories, making generalized category discovery under test-time adaptation (GCD-TTA) an important problem. However, existing works treat GCD and TTA separately, while the limited semantic information in 3D point clouds makes GCD-TTA under domain shift more prone to feature collapse when combining GCD with TTA. To address this issue, we propose a two-stage framework for GCD-TTA in 3D LiDAR semantic segmentation. Specifically, in the first stage, we adaptively aggregate local 3D features according to geometric density variations and obtain reliable pseudo labels under a global class-wise prototype consistency constraint. In the second stage, we cast category discovery as an optimal transport assignment process for globally consistent grouping of novel categories. Meanwhile, semantic features from 2D vision foundation models are fused with 3D point cloud features to enrich 3D semantic information and promote a more separable feature space. Extensive experiments on Synth4D to SemanticKITTI, SynLiDAR to SemanticKITTI, and Synth4D to nuScenes demonstrate the effectiveness of our framework. Under a unified evaluation protocol, our method achieves the best overall mIoU on 9 out of 10 benchmark splits and improves the overall mIoU by up to 12.21 points over the strongest re-implemented baseline.
• Abstract（参考訳）: 自律運転では、3D LiDARセマンティックセグメンテーションが進化する環境に適応し、これまで見つからなかったカテゴリを認識することが期待され、テスト時間適応(GCD-TTA)の下で一般化されたカテゴリ発見が重要な問題となる。 しかし、既存の研究はGCDとTTAを別々に扱うが、3Dポイントクラウドにおける限定的な意味情報は、GCDとTTAを組み合わせると、ドメインシフト下でのGCD-TTAが機能崩壊する傾向がある。 本稿では,3次元LiDARセマンティックセマンティックセグメンテーションにおけるGCD-TTAのための2段階フレームワークを提案する。 特に第1段階では,局所的な3次元特徴を幾何密度の変動に応じて適応的に集約し,グローバルなクラスワイドプロトタイプの整合性制約の下で信頼性の高い擬似ラベルを得る。 第2段階では、カテゴリ発見を、新しいカテゴリのグローバルな一貫したグループ化のための最適なトランスポート割り当てプロセスとして捉えた。 一方、2Dビジョンファウンデーションモデルのセマンティック機能は、3Dポイントクラウド機能と融合し、3Dセマンティック情報を強化し、より分離可能な機能空間を促進する。 Synth4D to SemanticKITTI, SynLiDAR to SemanticKITTI, Synth4D to nuScenes に関する大規模な実験は、我々のフレームワークの有効性を実証している。 統一評価プロトコルでは,10のベンチマークスプリットのうち9つのベンチマークでmIoUを最大12.21ポイント改善し,mIoUを最大12.21ポイント改善する。

関連論文リスト

• Geometry Without Coordinates: LiDAR Diffusion as a 3D Feature Bridge [0.0]
  既成2次元基礎モデルから擬似ラベルを訓練したLiDAR条件拡散モデルを提案する。 モデルはLiDARで条件付けされているため、出力と中間のUNet機能はインプットポイントクラウドに投影することができる。 我々は,この表現を,生空間座標を明示的に除いた点-雲空間で直接研究する。
  論文  参考訳（メタデータ） (2026-09-09T15:26:35Z)
• Unlocking 3D Affordance Segmentation with 2D Semantic Knowledge [45.19482892758984]
  Affordance segmentationは、3Dオブジェクトを機能的に異なる部分にパースすることを目的としている。 我々は,3次元エンコーダを昇降した2次元意味論と整合させ,再現,親和性,多様性を共同で最適化し,意味的に整理された表現を得るための事前学習戦略であるCross-Modal Affinity Transfer (CMAT)を導入する。 さらに,マルチモーダルプロンプトとCMAT対応機能を統合し,高精度かつ迅速なセグメンテーションマップを生成するCAST (Cross-modal Affordance Transformer) を設計する。
  論文  参考訳（メタデータ） (2025-10-09T15:01:26Z)
• GeoPurify: A Data-Efficient Geometric Distillation Framework for Open-Vocabulary 3D Segmentation [57.8059956428009]
  2次元視覚言語モデルから3次元セマンティックセグメンテーションへ機能を移行しようとする最近の試みは、永続的なトレードオフを露呈している。 3次元教師モデルから抽出した幾何学的事前情報を用いて2次元VLM生成した3次元点特徴に小さな学生親和性ネットワークを適用したGeoPurifyを提案する。 遅延幾何学情報と学習された親和性ネットワークから恩恵を受けることで、GeoPurifyはトレードオフを効果的に軽減し、優れたデータ効率を実現する。
  論文  参考訳（メタデータ） (2025-10-02T16:37:56Z)
• Bootstraping Clustering of Gaussians for View-consistent 3D Scene Understanding [59.51535163599723]
  FreeGSは、教師なしセマンティック組み込み3DGSフレームワークで、2Dラベルを必要とせずに、ビュー一貫性のある3Dシーン理解を実現する。 FreeGSは複雑なデータ前処理のワークロードを避けながら、最先端のメソッドと互換性がある。
  論文  参考訳（メタデータ） (2024-11-29T08:52:32Z)
• WildScenes: A Benchmark for 2D and 3D Semantic Segmentation in Large-scale Natural Environments [33.25040383298019]
  $WildScenes$は、高解像度の2Dイメージと高密度の3D LiDARポイントクラウドで構成されるバイモーダルベンチマークデータセットである。 データは軌道中心であり、正確なローカライゼーションとグローバルに整列した点雲がある。 我々の3Dセマンティックラベルは、人間の注釈付き2Dラベルを複数のビューから3Dポイントクラウドシーケンスに転送する効率的で自動化されたプロセスによって得られる。
  論文  参考訳（メタデータ） (2023-12-23T22:27:40Z)
• SSDA3D: Semi-supervised Domain Adaptation for 3D Object Detection from Point Cloud [125.9472454212909]
  本稿では,3次元物体検出(SSDA3D)のための半改良型領域適応法を提案する。 SSDA3Dはドメイン間適応ステージとドメイン内一般化ステージを含む。 実験の結果,10%のラベル付きターゲットデータしか持たないSSDA3Dは,100%のターゲットラベルを持つ完全教師付きオラクルモデルを上回ることができることがわかった。
  論文  参考訳（メタデータ） (2022-12-06T09:32:44Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• LiDAR-based Panoptic Segmentation via Dynamic Shifting Network [56.71765153629892]
  LiDARベースのパノプティカルセグメンテーションは、オブジェクトとシーンを統一的に解析することを目的としている。 本稿では,ポイントクラウド領域における効果的な単視分割フレームワークとして機能する動的シフトネットワーク(DS-Net)を提案する。 提案するDS-Netは,現在の最先端手法よりも優れた精度を実現する。
  論文  参考訳（メタデータ） (2020-11-24T08:44:46Z)

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。