Qingshan Liu

収録論文 7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

• 全ての点が等しいわけではない：不確実性を考慮した4D LiDARシーン合成
  LiDARシーン生成2026/6/1

  LiDARシーン生成において、空間的不確実性を利用して「難しい領域から簡単な領域へ」というスケジュールで生成を導く新しいフレームワークU4Dを提案した。

• U4D: LiDAR系列からの不確実性を考慮した4D世界モデリング
  4D世界モデリング2025/12/1

  LiDARデータから動的な3D環境を生成する際に、不確実性マップを用いて難しい領域から順に生成し、時空間ブロックで時間的一貫性を高めるフレームワークを提案。

• 単一視点・単一ショットを超えて：LiDAR表現学習のためのクロスビュー・長期蒸留
  LiDAR表現学習2025/7/1

  LiDARシーケンスの時空間的手がかりを活用し、複数カメラ視点と長期フレームの画像特徴を統合してLiDAR表現学習を強化するLiMAを提案。セグメンテーションと3D物体検出を改善。

• 画像からLiDARへのデータ事前学習における時空間一貫性の強化
  LiDAR事前学習2025/3/1

  連続するLiDAR-カメラペアを用いて時空間的手がかりを統合するSuperFlow++を提案し、11の異なるLiDARデータセットで最先端性能を達成した。

• LiMoE: 自動車シーン向けLiDAR表現の混合エキスパート学習
  3D認識2025/1/1

  LiDARの複数表現（距離画像・疎ボクセル・生点群）をMixture of Expertsで統合し、事前学習からセグメンテーションまで一貫して活用するフレームワークを提案。

• 4DコントラスティブSuperFlow：密な3D表現学習器
  3D知覚2024/7/1

  LiDARとカメラの連続ペアを用いた時空間事前学習フレームワークSuperFlowを提案し、点群密度変化への不感性と流れベースのコントラスティブ学習で3D知覚モデルを効率的に学習する。

• FRNet: Frustum-Range Networks for Scalable LiDAR Segmentation
  2023/12/1