論文の概要: FreeOcc: Decoupling Ego-Motion for Efficient 4D Occupancy Forecasting via Continuous Flow Matching
- arxiv url: http://arxiv.org/abs/2611.08128v1
- Date: Thu, 05 Nov 2026 14:58:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-07 04:55:13.550992
- Title: FreeOcc: Decoupling Ego-Motion for Efficient 4D Occupancy Forecasting via Continuous Flow Matching
- Title（参考訳）: FreeOcc: 継続的フローマッチングによる効率的な4D作業予測のためのEgo-Motionの分離
- Abstract要約: FreeOccは、明示的な$SE(2)$幾何デカップリングを条件付きフローマッチングフレームワークに導入する軽量な連続時間世界モデルである。
無注意時間融合をサポートし、物理制約のODEが残留剤キネマティクスに厳格に作用することを可能にする。
nuScenes では、FreeOcc は 0.47 m Near Field Chamfer Distance (NFCD) と 32.1% mIoU で最先端の予測性能を達成している。
- 参考スコア（独自算出の注目度）: 4.427169387210808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current 4D occupancy world models use heavy cross-attention or deep recurrence to disentangle ego-motion from scene dynamics. This requires significant computational capacity. However, this effort is largely redundant since the ego-vehicle's intended future motion is provided by the downstream motion planner. We present FreeOcc, a lightweight continuous-time world model that introduces explicit $SE(2)$ geometric decoupling into a conditional flow-matching framework. By mathematically factoring out self-motion, we create a purely dynamic feature space. This space supports attention-free temporal fusion and allows physics-constrained ODEs to operate strictly on residual agent kinematics. To maximize deployment efficiency, FreeOcc introduces an uncertainty-aware blending mechanism. This routes well-observed voxels to a single-pass decoder, reserving the ODE solver exclusively for ambiguous, high-uncertainty regions. Requiring only 28.3M parameters-roughly 40% of comparable models-our optimal ensemble mode (FreeOcc-E) runs at 27 FPS. On nuScenes, FreeOcc achieves state-of-the-art forecasting performance with a 0.47 m Near Field Chamfer Distance (NFCD) and 32.1% mIoU. Furthermore, the model transfers zero-shot to SemanticKITTI. It also proves highly robust, retaining 92.8% of its ideal mIoU under significant sensor packet loss and timestamp jitter.
- Abstract（参考訳）: 現在の4D占有世界モデルは、シーンダイナミクスからエゴモーションを遠ざけるために、重いクロスアテンションまたは深い再発を使用する。
これはかなりの計算能力を必要とする。
しかし、この努力は、エゴ車両の意図する将来の動きが下流の運動プランナーによって提供されるため、ほとんど冗長である。
我々は、条件付きフローマッチングフレームワークに明示的な$SE(2)$幾何デカップリングを導入する軽量な連続時間世界モデルFreeOccを紹介する。
数学的に自己運動を分解することで、純粋にダイナミックな特徴空間を作り出す。
この空間は注意のない時間融合をサポートし、物理に制約されたODEが残留剤キネマティクスに厳密に作用することを可能にする。
デプロイメント効率を最大化するために、FreeOccは不確実性を認識したブレンディング機構を導入した。
これにより、よく保存されたボクセルをシングルパスデコーダにルートし、不明瞭で不確実な領域にのみODEソルバを保存する。
最適なアンサンブルモード (FreeOcc-E) は27 FPSで動作する。
nuScenes では、FreeOcc は 0.47 m Near Field Chamfer Distance (NFCD) と 32.1% mIoU で最先端の予測性能を達成している。
さらに、モデルはゼロショットをSemanticKITTIに転送する。
また、その理想的なmIoUの92.8%をセンサーのパケットロスとタイムスタンプジッタで保持している。
関連論文リスト
- UFMF: Radar-Guided Kinematic Priors for Real-Time 4D Occupancy Forecasting [4.836364509847539]
リアルタイム4D占有予測では、厳格な遅延予算の下で、エゴの動きとアクターの動きの両方を確実に外挿する必要がある。
対象の運動と幾何学的構造を注入しながら、注意のない対角線状態空間の時間コアを保持するリアルタイム予測器であるUFMFを提案する。
論文 参考訳（メタデータ） (2026-10-29T20:24:44Z) - OPUS-V2: Bridging the Gap between Sparse Points and Dense Voxels [74.61043439622689]
OPUS-V2(OPUS-V2)を提案する。
OPUS-V2はデコーダの後方に軽量な点ボクセル変換(PVT)モジュールを組み込んで、スパース予測を密度の高いボクセル空間に適応的にマッピングする。
我々のアーキテクチャは特徴と占有率の生成プロセスを分離し、OPUS-V2が任意の占有率の解決に適応できるようにします。
論文 参考訳（メタデータ） (2026-08-29T10:45:34Z) - RAFT-MSF++: Temporal Geometry-Motion Feature Fusion for Self-Supervised Monocular Scene Flow [51.43025173196566]
単眼のシーンフロー推定は画像列から高密度な3次元動きを復元することを目的としている。
RAFT-MSF++は,時間的特徴を融合して深度とシーンフローを推定する自己教師型マルチフレームフレームワークである。
実験の結果、RAFT-MSF++はKITTI Scene Flowベンチマークで24.14%のSF-allを達成した。
論文 参考訳（メタデータ） (2026-04-21T11:32:49Z) - $D^3$-RSMDE: 40$\times$ Faster and High-Fidelity Remote Sensing Monocular Depth Estimation [72.9912717963138]
リモートセンシング画像からのリアルタイムで高忠実な単眼深度推定は、多くのアプリケーションにとって不可欠である。
視覚変換器(ViT)のバックボーンを高密度な予測に使用するのは速いが、知覚品質は低いことが多い。
リモートセンシング単眼深度推定のための深度詳細拡散法(D3$-RSMDE)を提案する。
D3$-RSMDEは、Learninged Perceptual Image Patch similarity (LPIPS)の知覚距離を11.85%削減する。
論文 参考訳（メタデータ） (2026-03-17T10:50:36Z) - Infinite-World: Scaling Interactive World Models to 1000-Frame Horizons via Pose-Free Hierarchical Memory [101.2076718776139]
複雑な実環境において,1000フレーム以上のコヒーレントな視覚記憶を維持することのできる,堅牢な対話型世界モデルを提案する。
我々は,歴史的潜水剤を固定予算の幾何学的表現に蒸留するpose-free Memory (HPMC)を導入する。
また,連続動作を三状態論理に識別する不確実性認識型アクションラベルモジュールを提案する。
論文 参考訳（メタデータ） (2026-02-02T17:52:56Z) - LiNeXt: Revisiting LiDAR Completion with Efficient Non-Diffusion Architectures [52.59993476989728]
LiNeXtは、高速で正確なポイントクラウド補完に最適化された軽量で非拡散ネットワークである。
LiNeXtは推論の199.8倍の高速化を実現し、チャンファー距離を50.7%削減し、LiDiffと比較してパラメータの6.1%しか使用していない。
論文 参考訳（メタデータ） (2025-11-13T11:28:18Z) - FMOcc: TPV-Driven Flow Matching for 3D Occupancy Prediction with Selective State Space Model [1.3220884102442592]
本稿では,フローマッチング選択状態空間モデルを用いた3次元3次元占有予測システムFMOccを提案する。
Occ3D-nuScenesバリデーションで43.1%のRayIoUと39.8%のmIoU,5.4G推論メモリと330ms推論時間でOpenOcc上で42.6%のRayIoUを達成した。
論文 参考訳（メタデータ） (2025-07-03T02:58:39Z) - S3MOT: Monocular 3D Object Tracking with Selective State Space Model [3.5047603107971397]
3次元空間における多物体追跡は、ロボット工学とコンピュータ応用の進歩に不可欠である。
2Dビデオストリームからの3Dアソシエーションのマイニングが難しいため、モノラルなセットアップでは依然として大きな課題である。
モノクローナル3次元MOTのための不均一なキューの融合を促進するための3つの革新的な技術を提案する。
論文 参考訳（メタデータ） (2025-04-25T04:45:35Z) - MetaOcc: Spatio-Temporal Fusion of Surround-View 4D Radar and Camera for 3D Occupancy Prediction with Dual Training Strategies [12.485905108032146]
本稿では,Omni指向の3次元占有予測のための新しいマルチモーダルフレームワークであるMetaOccを紹介する。
レーダーデータにエンコーダを直接適用することの限界に対処するため,レーダハイト自己保持モジュールを提案する。
高価な点クラウドへの依存を軽減するため,オープンセットセグメンタに基づく擬似ラベル生成パイプラインを提案する。
論文 参考訳（メタデータ） (2025-01-26T03:51:56Z)
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。