Vivienne Sze
収録論文 10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
- G²SR: 高速かつメモリ効率的なガウスベース表面再構成のための幾何学的手法3D再構成2026/7/1
少数視点のRGB画像から表面を再構成する際、2Dガウススプラットの対応関係を軽量ニューラルネットで検出・追跡し、多視点幾何で解析的に3Dスプラットへ変換する手法を提案。従来のエンドツーエンド法より高速でメモリ効率が良く、幾何精度も同等以上。
- UfM*: ガウス分布を用いたDNN深度推定のためのモーションからの不確実性深度推定/不確実性推定2026/5/1
単眼深度推定の不確実性を、複数視点の不一致をガウス混合モデルで効率的に測定することで推定する手法を提案。1回の推論で済み、計算・メモリ効率が高く、ロボットへの実装も可能。
- Gleanmer: リアルタイム3Dガウス占有マッピング用6mW SoCエッジAI/ハードウェアアクセラレータ2026/3/1
エッジ向けの高精細3D占有マップ構築を低消費電力で実現するため、ガウス分布を用いたマップ表現に特化したアクセラレータを備えたSoCを設計・実装した。アルゴリズムとハードウェアの協調最適化により、マップ構築・クエリのエネルギーを最大63%・81%削減し、16nm CMOSで6mW以下でリアルタイム動作を達成した。
- DecTrain: 単眼深度DNNをオンラインでいつ訓練するかの判断オンライン学習/単眼深度推定2024/10/1
単眼深度推定DNNのオンライン自己教師あり学習において、訓練すべきタイミングを精度向上予測と計算コストの比較で判断し、平均44%の時間だけで全時刻訓練と同等の精度を維持する手法を提案。
- GEVO: ガウス分布を用いたメモリ効率の良い単眼視覚オドメトリSLAM2024/9/1
単眼カメラによる3Dシーン再構成において、過去の画像を保存せず既存の地図からレンダリングすることでメモリ使用量を大幅に削減したガウススプラッティングベースのSLAMフレームワークを提案。
- GMMap: ガウス混合モデルを用いたメモリ効率の良い連続占有マップ3Dマッピング2023/6/1
深度画像を単一パスで局所ガウス混合モデルに圧縮し融合することで、省メモリかつリアルタイムに3D占有マップを構築する手法を提案。
- チップ上での地図規模連続相互情報量のリアルタイム効率的計算探索計画/ハードウェアアクセラレーション2022/10/1
FPGAを用いて、占有格子地図全体の相互情報量をリアルタイムかつ低消費エネルギーで計算するハードウェアアクセラレータを提案した。
- FSMI: 情報理論マッピングのためのシャノン相互情報量の高速計算情報理論マッピング2019/5/1
地図と距離計測間のシャノン相互情報量を解析的に計算することで大幅に高速化するFSMIアルゴリズムを提案し、3DのOctoMap向けRLE圧縮対応版FSMI-RLEも開発した。
- FastDepth:組み込みシステム向け高速単眼深度推定深度推定2019/3/1
軽量なエンコーダ・デコーダ構成とネットワーク枝刈りにより、組み込みGPU上でリアルタイム動作する単眼深度推定ネットワークFastDepthを提案した。
- Navion: ナノドローン自律航法向け2mW完全集積リアルタイム視覚慣性オドメトリ加速器VIO/ASIC2018/9/1
視覚慣性オドメトリ(VIO)の全システムを65nm CMOSの1チップに集積し、圧縮と疎性活用でメモリを削減、EuRoCのステレオ画像を20fpsでリアルタイム処理しつつ平均消費電力わずか2mWを実現したASIC。
