論文の概要: ReconDreamer#: Self-Evolving Closed-Loop Synergy of Reconstruction and Generation for Dynamic Driving Scenes

• arxiv url: http://arxiv.org/abs/2611.04173v1
• Date: Tue, 03 Nov 2026 02:02:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-11 01:27:19.634521
• Title: ReconDreamer#: Self-Evolving Closed-Loop Synergy of Reconstruction and Generation for Dynamic Driving Scenes
• Title（参考訳）: ReconDreamer#: 動的運転シーンの再構築と生成の自己進化的閉ループシナジー
• Abstract要約: ReconDreamer#は動的駆動シーンの再構築と生成を同期させる自己進化フレームワークである。 この枠組みの中では、生成モデルと再構成モデルは相互に反復的な洗練を通じて強化される。 ReconDreamer#はNTA-IoUとNTL-IoUをそれぞれ8.8%、3.0%改善し、ReconDreamer++と比較してFIDを15.1%削減した。
• 参考スコア（独自算出の注目度）: 67.27098401629605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic driving scene reconstruction has made remarkable strides in recent years by leveraging generative priors, particularly in the quality of novel trajectory rendering. Nevertheless, a significant gap remains between the generated data and real-world sensor observations, severely hindering further improvements in reconstruction fidelity. In this paper, we present ReconDreamer#, a self-evolving framework that synergizes reconstruction and generation for dynamic driving scenes, which substantially bridges the gap between synthesized novel trajectory data and recorded real-world observations. Within this self-evolving closed-loop framework, the generative and reconstruction models mutually reinforce each other through iterative refinement, ultimately yielding a significant enhancement in the 3D representation capability of the reconstruction model. Additionally, we introduce a geometry-prior-based adaptive ground model to further enhance the rendering quality of the reconstruction model. To validate the effectiveness of the proposed method, we conduct comprehensive evaluations on Waymo, nuScenes, PandaSet, and EUVS benchmarks. Specifically on Waymo, at a 6-m lateral shift, ReconDreamer# improves NTA-IoU and NTL-IoU by 8.8% and 3.0%, respectively, and reduces FID by 15.1% relative to ReconDreamer++.
• Abstract（参考訳）: 動的駆動シーンの再構築は、特に新規な軌跡描画の質に先立って、近年顕著な進歩を遂げている。 それでも、生成されたデータと実世界のセンサーの観測の間には大きなギャップが残っており、復元精度のさらなる向上を著しく妨げている。 本稿では,動的駆動シーンの再構成と生成を相乗化する自己進化型フレームワークReconDreamer#について述べる。 この自己進化型クローズループ・フレームワークでは、生成モデルと再構成モデルが相互に相互に強化され、最終的に再構成モデルの3次元表現能力が大幅に向上する。 さらに、再構成モデルのレンダリング品質をさらに高めるために、幾何優先型適応基底モデルを導入する。 提案手法の有効性を検証するため,Waymo,nuScenes,PandaSet,EUVSベンチマークの総合評価を行った。 具体的にはWaymoでは、6m横シフトで、ReconDreamer#はNTA-IoUとNTL-IoUをそれぞれ8.8%、3.0%改善し、ReconDreamer++と比較してFIDを15.1%削減した。

関連論文リスト

• Learning to Code the World: Harness Evolution for Compositional 3D Reconstruction [41.81356795778732]
  SceneEvolveは3Dシーンを実行可能なコードとして表現するフレームワークである。 小さなオープンソースエージェントを中心にハーネスを進化させることで、再構築を改善する。 SceneEvolveは、大規模なプロプライエタリなGPT-5.6-Solモデルよりも32.3%高いリコンストラクション品質を実現している。
  論文  参考訳（メタデータ） (2026-10-27T11:15:41Z)
• Xiaomi Auto World Model: A Joint World Model Integrating Reconstruction and Generation for Autonomous Driving [51.90209659403234]
  本報告では,世界モデルの自律運転における2つのコア機能に対処する統合技術システムを提案する。 世界表現のために,スパースシーンクエリによって駆動されるフィードフォワード再構築アーキテクチャであるWorldRecを提案する。 次世代に向けて,両方向性事前学習のための2段階のトレーニングフレームワークWorldGenを提案し,それに続いて因果微調整を行う。
  論文  参考訳（メタデータ） (2026-05-18T09:46:16Z)
• ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
  音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。 Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。 モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
  論文  参考訳（メタデータ） (2025-03-27T16:39:40Z)
• ReconDreamer++: Harmonizing Generative and Reconstructive Models for Driving Scene Representation [30.16598076671646]
  ReconDreamerは大規模な演習を成功させた。 生成されたデータと実世界のセンサーの観測の間には、大きなギャップが残っている。 ReconDreamer++は、全体的なレンダリング品質を大幅に改善する拡張フレームワークである。 特に、NTA-IoUの6.1%増加、FIDの23.0%改善、地上測度NTL-IoUの4.5%向上など、大幅な改善が達成されている。
  論文  参考訳（メタデータ） (2025-03-24T08:40:20Z)
• A self-supervised cyclic neural-analytic approach for novel view synthesis and 3D reconstruction [11.558827428811385]
  本稿では、高品質なニューラルネットワークレンダリング出力と分析手法からの正確な幾何学的洞察を組み合わせた自己教師付き循環型ニューラルネットワークパイプラインを提案する。 我々のソリューションは、新しいビュー合成のためのRGBとメッシュ再構成を改善し、特にトレーニングデータセットとは全く異なるアンサンプされた領域や領域で改善する。 以上の結果から,新規な3次元画像のレンダリングや3次元画像の再構成が大幅に向上していることが示唆された。
  論文  参考訳（メタデータ） (2025-03-05T14:28:01Z)
• ReMatching Dynamic Reconstruction Flow [55.272357926111454]
  この研究は、動的再構成モデルに変形前処理を組み込むことにより、再構成品質を改善するために設計されたReMatchingフレームワークを導入している。 提案手法では,既存の動的再構成パイプラインをシームレスに補うためのマッチング手順を提案する。 合成・実世界の動的シーンを含む一般的なベンチマーク評価では, 現状の手法を改良することで, 再現精度が向上することが示されている。
  論文  参考訳（メタデータ） (2024-11-01T16:09:33Z)

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。