3D占有予測/4Dレーダー2026/10/13arXiv:2610.18686

RadarGSOcc: ドップラー情報を活用した4Dレーダータンソルによる3Dセマンティック占有予測

RadarGSOcc: Doppler-Aware 3D Semantic Occupancy Prediction Using 4D Radar Tensor with Geometric-Semantic Feature Extraction

シェア:X Threads Facebook LINE はてブ Bluesky

4Dレーダータンソルから幾何・意味特徴を分離抽出し、ドップラー情報も活用して3Dセマンティック占有予測を行う効率的なフレームワークを提案。大規模ベンチマークも構築した。

詳しい要約

1. どんなもの？

- 4D radar tensor を用いた 3D semantic occupancy prediction のフレームワーク RadarGSOcc を提案。 - 低照度や悪天候に強い 4D radar の利点を活かし、sparsity と計算コストの課題に対処。 - K-Radar dataset を基に K-Radar 3DSemOcc benchmark を構築。 - 51.2m 範囲で 15 クラスを予測し、IoU 38.2%、mIoU 7.6%、weighted mIoU 25.5% を達成。

2. 先行研究と比べてどこがすごい？

- カメラベースは低照度で性能劣化、LiDAR ベースは悪天候に弱い。 - 4D radar は頑健だが sparsity と tensor 処理コストが課題。 - RadarGSOcc は RadarOcc より weighted mIoU で 17% 相対改善 (25.5 vs. 21.9)。 - パラメータ数と計算量を削減しつつ、カメラベースを上回り LiDAR ベースに迫る。 - truck 予測を大幅改善（car 精度とのトレードオフあり）。

3. 技術・手法の肝は？

- 4D radar tensor を直接処理し、geometric 特徴と semantic 特徴を分離抽出。 - Doppler 情報を活用。 - deformable attention-based geometric refinement module が鍵。 - 効率的なフレームワークで sparsity と計算コストに対処。

4. どうやって有効だと検証した？

- K-Radar dataset を基にした K-Radar 3DSemOcc benchmark で評価。 - 15 クラス、51.2m 範囲で IoU 38.2%、mIoU 7.6%、weighted mIoU 25.5% を達成。 - RadarOcc と比較し weighted mIoU で 17% 相対改善。 - 悪天候時の per-frame ground truth なしの頑健性評価のため、新指標 Environment-Based KL Divergence (EBKL) を提案。

5. 議論はある？

- truck 予測は大幅改善するが car 精度とのトレードオフが生じる。 - カメラベースを上回り LiDAR ベースとのギャップを縮めるが、LiDAR には及ばない。 - 4D radar は 3D semantic occupancy prediction において信頼性が高く効率的なモダリティであると EBKL で示唆。 - データセットとコードは公開予定。

6. 次に読むべき論文は？

- RadarOcc（比較対象） - K-Radar dataset（ベンチマーク基盤） - LiDAR-based 3D semantic occupancy prediction 手法（一般名） - camera-based 3D semantic occupancy prediction 手法（一般名）

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Christofel Rio Goenawan, Dong-Hee Paek, Seung-Hyun Kong

分類: cs.CV, cs.AI, cs.RO

原文アブストラクト

3D semantic occupancy prediction is crucial for autonomous driving, but camera-based methods degrade in low-light conditions and LiDAR-based methods are sensitive to adverse weather. 4D radar is more robust, yet its sparsity and the high cost of radar tensor processing limit its use. We propose Radar Geometric-Semantic Occupancy Prediction (RadarGSOcc), an efficient framework that directly processes 4D radar tensors by separately extracting geometric and semantic features, including Doppler information, with a deformable attention-based geometric refinement module as its key component. We also introduce the K-Radar 3DSemOcc benchmark, the first large-scale benchmark for 3D semantic occupancy prediction using 4D radar tensors, built on the K-Radar dataset with refined LiDAR-based annotations. RadarGSOcc predicts 15 classes within a 51.2m range and achieves 38.2% IoU, 7.6% mIoU, and 25.5% weighted mIoU, outperforming RadarOcc by 17% relative (25.5 vs. 21.9) in weighted mIoU while using fewer parameters and lower computation. It substantially improves truck prediction while trading off car accuracy, outperforms camera-based approaches, and narrows the gap with LiDAR-based methods. To assess robustness without per-frame ground truth in adverse weather, we further propose a novel proxy metric, Environment-Based KL Divergence (EBKL), under which 4D radar proves a reliable and efficient modality for 3D semantic occupancy prediction. The dataset and code will be publicly available.

arXivで原文を読む →arXiv概要ページ

← 論文一覧