Ze Yang
収録論文 13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。
- RiemanLine: 因子グラフ最適化のための3次元直線のリーマン多様体表現SLAM2025/8/1
平行線群の構造を活かし、3次元直線をリーマン多様体上で最小パラメータ化する手法を提案し、因子グラフ最適化に統合して姿勢推定と直線再構成の精度を向上させた。
- 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。
- 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。
- 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。
- 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。
- Copilot4D: 離散拡散による自動運転のための教師なし世界モデル学習世界モデル2023/11/1
センサ観測をVQVAEでトークン化し、離散拡散で未来を予測する世界モデルを提案。点群予測で従来手法より大幅に高精度化した。
- 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。
- Open-Structure: SLAMアルゴリズム向け構造ベンチマークデータセットSLAM2023/10/1
SLAMの前処理に依存せず評価できるよう、点・線の計測や対応、共視性因子グラフを直接提供するベンチマークデータセットを構築し、姿勢追跡や最適化モジュールの比較基盤を提案した。
- 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。
- 実世界の歩行者を復元しシミュレーションするsim2real2020/11/1
自動運転車のセンサデータから歩行者の形状と動きを復元し、LiDARシミュレーションに組み込んで学習データ削減に貢献する手法を提案。
