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。

• 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。

• Reconstructing Objects in-the-wild for Realistic Sensor Simulation
  2023/11/1
• Copilot4D: Learning Unsupervised World Models for Autonomous Driving via Discrete Diffusion
  2023/11/1
• CADSim: Robust and Scalable in-the-wild 3D Reconstruction for Controllable Sensor Simulation
  2023/11/1
• Open-Structure: Structural Benchmark Dataset for SLAM Algorithms
  2023/10/1
• UniSim: A Neural Closed-Loop Sensor Simulator
  2023/8/1
• Recovering and Simulating Pedestrians in the Wild
  2020/11/1