Kürsat Petek
収録論文 9本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- ラベル効率的なLiDARパノプティックセグメンテーションLiDARセグメンテーション2025/3/1
少量のラベル付き画像から2Dネットワークで疑似ラベルを生成し、点群の幾何特性を活かした3D精緻化モジュールで精度を高めてLiDARパノプティックセグメンテーションを学習する手法を提案。
- 良い基盤は多くのラベルに値する:ラベル効率的なパノプティックセグメンテーションセグメンテーション2024/5/1
視覚基盤モデルを活用し、少数のラベル付きデータで軽量なセグメンテーションヘッドを訓練し、自己訓練と融合モジュールでパノプティックセグメンテーションを高精度に実現する手法を提案。
- LetsMap: 意味的BEVマッピングのための教師なし表現学習BEVマッピング2024/5/1
単眼前方画像から意味的BEVマップを生成するため、ラベルなしでシーン幾何と意味を別々に事前学習し、少量のBEVラベルで微調整する手法を提案。
- 運動と深層点対応を用いたターゲット不要のカメラ-LiDAR自動キャリブレーションキャリブレーション2024/4/1
視覚・LiDARオドメトリの運動推定と深層学習による2D-3D点対応を組み合わせ、専用ターゲットや人手を要さずにカメラ-LiDAR間の外部キャリブレーションを最適化で求める手法を提案。
- BEVCar: カメラとレーダーの融合によるBEVマップと物体セグメンテーションBEVセグメンテーション2024/3/1
カメラと車載レーダーを融合し、生のレーダーデータを点ベースで符号化して画像特徴のBEV空間への持ち上げを初期化することで、悪天候や夜間でも頑健なBEV物体・マップセグメンテーションを実現した。
- 基盤モデルによる少数ショットパノプティックセグメンテーションセグメンテーション2023/9/1
DINOv2基盤モデルと軽量ヘッドを組み合わせ、わずか10枚の注釈画像で高品質な擬似ラベルを生成し、既存のパノプティックセグメンテーション手法を大幅に少ないラベルで学習可能にするSPINOを提案。
- CoDEPS: 深度推定とパノプティックセグメンテーションのためのオンライン継続学習継続学習2023/3/1
ロボットが未知環境にオンラインで適応できるよう、経験リプレイとドメイン混合による擬似ラベル生成を用いて、単眼深度推定とパノプティックセグメンテーションの継続学習手法を提案した。
- SkyEye: 単眼前方画像からの自己教師あり鳥瞰図セマンティックマッピング自動運転/セマンティックマッピング2023/2/1
単眼前方カメラ映像と前方視セマンティックラベルのみを用い、時間的一貫性と擬似ラベルによる自己教師あり学習で鳥瞰図セマンティックマップを生成する手法を提案。
- マルチタスク不確実性推定を活用した疎HDマップでのロバスト単眼自己位置推定自己位置推定2021/10/1
セマンティックセグメンテーションと物体検出の不確実性を推定し、微分可能なコストマップとスライディングウィンドウポーズグラフで疎なHDマップ上での単眼6D自己位置推定を高精度・ロバストに実現した。
