Sivabalan Manivasagam
収録論文 14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
- 拡散モデル誘導による都市シーン再構成の汎用高品質化手法3D再構成2026/5/1
都市シーンの3D再構成において、視点が大きくずれると画質が劣化する問題を、拡散モデルの生成的先験知識を活用して数分で修正する汎用的な手法GenReを提案した。
- GenAssets: 潜在空間における実世界3Dアセットの生成3D生成2026/4/1
実世界のLiDARとカメラデータから、完全な形状と外観を持つ高品質な3Dアセットを生成する3D潜在拡散モデルを提案した論文。
- Flux4D: フローに基づく教師なし4D再構成4D再構成2025/12/1
大規模動的シーンの4D再構成を、注釈なしで3Dガウシアンと動きを直接予測するフレームワークで実現し、高速・高スケーラブルに再構成する。
- SaLF: 実時間マルチセンサレンダリングのためのスパースローカルフィールドsim2real2025/7/1
カメラとLiDARの両方に対応した新しいボリュメトリック表現SaLFを提案し、高速な学習とレンダリングを実現して自動運転のセンサシミュレーションを効率化した。
- UniCal: 統合ニューラルセンサキャリブレーションキャリブレーション2024/9/1
LiDARとカメラを備えた自動運転車のキャリブレーションを、特別な基準物なしで走行データから微分可能なボリュームレンダリングを用いて同時に学習する統合フレームワークを提案。
- G3R: 勾配誘導による汎化可能な大規模3D再構成3D再構成2024/9/1
微分可能レンダリングからの勾配フィードバックを反復的に用いる再構成ネットワークを学習し、大規模シーンを高速かつ高品質に再構成する手法を提案。
- Adv3D: 閉ループシミュレーションによる安全上重要な3D物体の生成sim2real2023/11/1
自動運転車の評価のため、実世界シナリオを閉ループセンサシミュレーションで再現し、車両形状を低次元表現で最適化して自律システムの知覚・予測・計画を失敗させる敵対的形状を生成するフレームワークを提案。
- CADSim: 実世界データからのロバストでスケーラブルな3D再構成による制御可能なセンサシミュレーションsim2real2023/11/1
少数のCADモデルを活用した部品認識型の物体クラス事前分布と微分可能レンダリングを組み合わせ、実世界の疎でノイズの多いセンサデータから車両の形状(関節のある車輪を含む)と高品質な外観を自動再構成する手法を提案。
- 実世界データからの物体再構成によるリアルなセンサシミュレーションsim2real2023/11/1
LiDARとカメラの疎な実世界データからニューラルSDFと物理ベース反射モデルで物体の形状と見た目を再構成し、自動運転知覚モデル評価用のマルチセンサシミュレーションを実現した。
- UniSim: ニューラル閉ループセンサシミュレータsim2real2023/8/1
1回の走行ログから、静的背景と動的物体をニューラル特徴グリッドで再構成し、LiDARとカメラの閉ループマルチセンサシミュレーションを実現する手法を提案。
- GeoSim:自動運転向けの幾何学考慮型合成によるリアルな動画シミュレーションsim2real2021/1/1
既存の走行画像に他のシーンから抽出した動的物体を新たな視点で幾何学的に整合させて合成し、リアルで交通状況を考慮した自動運転シミュレーション動画を生成する手法を提案した論文。
- SceneGen: リアルな交通シーンを生成する学習手法交通シーン生成2021/1/1
自車状態と高精細地図から、ルールやヒューリスティクスを使わずにニューラル自己回帰モデルで多様な交通参加者を配置・生成し、実世界に汎化する知覚モデル学習を可能にした研究。
- AdvSim:自動運転車向けの安全クリティカルなシナリオを生成する敵対的フレームワーク自動運転シミュレーション2021/1/1
LiDARベースの自動運転システム全体に対して、物理的に妥当な形でアクターの軌跡を改変しセンサデータも更新することで、安全クリティカルな敵対的シナリオを生成する手法を提案した論文。
- フィードバックによる逆問題の反復解法逆問題2021/1/1
順過程が返すフィードバック信号を入力に反復更新モデルを学習し、姿勢推定や照明推定などの逆問題を高速かつ高精度に解く手法を提案した。
