論文の概要: Local-Global Joint Modeling for Point Cloud Super-Resolution Guided by Multi-Scale Spatial Priors

• arxiv url: http://arxiv.org/abs/2611.02786v1
• Date: Mon, 02 Nov 2026 09:02:26 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:54:25.271064
• Title: Local-Global Joint Modeling for Point Cloud Super-Resolution Guided by Multi-Scale Spatial Priors
• Title（参考訳）: マルチスケール空間優先法で導かれた点群超解の局所・局所連成モデリング
• Abstract要約: マルチスケール空間先行法と共同局所-グローバルモデリングに基づく点雲超解法を提案する。 KITTI-360 と nuScene の実験では、IoU のスコアはそれぞれ 0.4703 と 0.3593 である。
• 参考スコア（独自算出の注目度）: 1.5533567315068624
• License:
• Abstract: Range-image-based point cloud super-resolution provides an effective way to reconstruct sparse outdoor point clouds by projecting low-resolution LiDAR scans into a regular 2D representation. However, current methods still face three challenges. First, range images exhibit pronounced vertical nonuniformity, with sparse observations in distant regions and denser observations in nearby regions. Some cross-scale fusion mechanisms do not account for the varying reliability of features at different vertical positions, allowing invalid values and noise from distant sparse regions to propagate into the decoder. Second, a single convolutional or sequence-modeling architecture often struggles to preserve both local high-frequency geometric details and global long-range dependencies, resulting in over-smoothed reconstructions. Third, smooth transition depths near foreground-background boundaries can produce spike artifacts when the 2D range image is back-projected into 3D. To address these issues, we propose a point cloud super-resolution method based on multi-scale spatial priors and joint local-global modeling. The design comprises a spatially gated fusion module, a multi-granularity local-global cooperative perception module, and 2D median-residual denoising. Experiments on KITTI-360 and nuScenes demonstrate effective reconstruction, with IoU scores of 0.4703 and 0.3593, respectively, supporting the feasibility of the proposed method for range-image super-resolution.
• Abstract（参考訳）: レンジイメージベースの点雲超解像は、低解像度のLiDARスキャンを通常の2D表現に投影することにより、スパース屋外の点雲を再構築する効果的な方法を提供する。 しかし、現在の手法はまだ3つの課題に直面している。 第1に, 遠方部で疎外観測を行い, 近方部でより密集した観測を行い, 垂直不均一性を示す。 いくつかのクロススケール核融合機構は、異なる垂直位置における特徴の異なる信頼性を考慮せず、離れたスパース領域からの無効な値とノイズをデコーダに伝播させる。 第二に、単一の畳み込みまたはシーケンスモデリングアーキテクチャは、しばしば局所的な高周波幾何学的詳細とグローバルな長距離依存の両方を保存するのに苦労し、結果として過度に平滑な再構築をもたらす。 第三に、前後の境界付近の滑らかな遷移深度は、2Dレンジ画像が3Dにバックプロジェクションされたときにスパイクアーティファクトを生成することができる。 これらの問題に対処するために,マルチスケール空間先行法と共同局所-グローバルモデリングに基づく点雲超解法を提案する。 設計は、空間的にゲートされた融合モジュールと、多粒度局所的・グローバル的協調認識モジュールと、2D中央値残留認知を含む。 IoUスコアは0.4703と0.3593で、KITTI-360とnuScenesは有効に再構成された。

関連論文リスト

• LoG3D: Ultra-High-Resolution 3D Shape Modeling via Local-to-Global Partitioning [26.88556500272625]
  非符号距離場(UDF)に基づく新しい3次元変分オートエンコーダフレームワークを提案する。 私たちの中心となるイノベーションは、UDFを統一サブボリュームであるUBlockに分割することで処理する、ローカルからグローバルなアーキテクチャです。 再現精度と生成品質の両面での最先端性能を実証し,表面の滑らかさと幾何学的柔軟性を向上した。
  論文  参考訳（メタデータ） (2025-11-13T07:34:43Z)
• CMF-IoU: Multi-Stage Cross-Modal Fusion 3D Object Detection with IoU Joint Prediction [29.7092783661859]
  カメラとLiDARセンサーに基づくマルチモーダル手法は、3D検出の分野で大きな注目を集めている。 CMF-IOUと呼ばれる多段階の相互融合3D検出フレームワークを導入し,3次元空間情報と2次元意味情報を整合させることの課題に対処する。
  論文  参考訳（メタデータ） (2025-08-18T13:32:07Z)
• Zero-P-to-3: Zero-Shot Partial-View Images to 3D Object [55.93553895520324]
  そこで本研究では,局所的な高密度観測と複数ソースの事前情報を統合した学習自由手法を提案する。 本手法では, DDIMサンプリングにおいて, これらの先行情報を効果的に整合させる融合方式を導入し, 多視点一貫した画像を生成し, 見えない視界を監督する。
  論文  参考訳（メタデータ） (2025-05-29T03:51:37Z)
• SSLFusion: Scale & Space Aligned Latent Fusion Model for Multimodal 3D Object Detection [24.367371441506116]
  ディープニューラルネットワークに基づくマルチモーダル3Dオブジェクト検出は、確かに大きな進歩を遂げている。 しかし,2次元画像から抽出した特徴と3次元点雲から抽出した特徴との間の空間的情報とスケールのずれにより,依然として課題に直面している。 本稿では,3次元から2次元の空間アライメントモジュールと,遅延モードの相互融合モジュールからなる,新しいスケール・スペースアラインド・ラテントフュージョンモデルであるSSLFusionを紹介する。
  論文  参考訳（メタデータ） (2025-04-07T15:15:06Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)
• Uplifting Range-View-based 3D Semantic Segmentation in Real-Time with Multi-Sensor Fusion [18.431017678057348]
  Range-View(RV)ベースの3Dポイントクラウドセグメンテーションは、そのコンパクトなデータ形式のために広く採用されている。 しかし、RVベースの手法は、隠蔽された点に対して堅牢なセグメンテーションを提供するには不十分である。 我々は新しいLiDARとカメラレンジビューに基づく3Dポイントクラウドセマンティックセマンティックセマンティック手法(LaCRange)を提案する。 提案手法は,リアルタイム性に加えて,nuScenesベンチマークの最先端結果も実現している。
  論文  参考訳（メタデータ） (2024-07-12T21:41:57Z)
• Homogeneous Multi-modal Feature Fusion and Interaction for 3D Object Detection [16.198358858773258]
  マルチモーダル3D物体検出は、自律運転において活発な研究課題となっている。 スパース3D点と高密度2Dピクセルの相互特徴融合を探索するのは簡単ではない。 最近のアプローチでは、画像特徴と2次元画像平面に投影される点雲の特徴を融合させるか、スパース点雲と高密度画像画素を組み合わせるかのどちらかである。
  論文  参考訳（メタデータ） (2022-10-18T06:15:56Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• Cross-Modality 3D Object Detection [63.29935886648709]
  本稿では,3次元物体検出のための新しい2段階多モード融合ネットワークを提案する。 アーキテクチャ全体が2段階の融合を促進する。 KITTIデータセットを用いた実験により,提案したマルチステージ融合により,ネットワークがより良い表現を学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-08-16T11:01:20Z)

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。