Self-Supervised Pre-Training for Generalizable Feature Extraction from 4D Imaging Radar Point Clouds
4Dイメージングレーダ点群の汎用的な特徴抽出のための自己教師あり事前学習
- Delivery
- Available on this site
- Format
- Price
- Non-members (tax incl.)：￥1,100 Members (tax incl.)：￥880
- Publication code
- 20265391
- Paper/Info type
- Proceedings (Spring)
No.90-26
- Pages
- 1-6(Total 6 p)
- Date of publication
- May 2026
- Publisher
- JSAE
- Language
- Japanese
- Event
- 2026 JSAE Annual Congress (Spring)
Detailed Information
| Author(J) | 1) 髙井 拓, 2) 米陀 佳祐, 3) 針屋 慶吾, 4) 篠田 巴玖, 5) 福田 有輝也, 6) 菅沼 直樹 |
|---|---|
| Author(E) | 1) Takumi Takai, 2) Keisuke Yoneda, 3) Keigo Hariya, 4) Haku Shinoda, 5) Yukiya Fukuda, 6) Naoki Suganuma |
| Affiliation(J) | 1) 金沢大学, 2) 金沢大学, 3) 金沢大学, 4) 金沢大学, 5) 金沢大学, 6) 金沢大学 |
| Affiliation(E) | 1) Kanazawa University, 2) Kanazawa University, 3) Kanazawa University, 4) Kanazawa University, 5) Kanazawa University, 6) Kanazawa University |
| Abstract(J) | 4Dイメージングレーダは耐環境性や遠距離認識に優れる一方，点群がノイズを多く含み疎であるため，物体検出や自己位置推定などへのタスクへの応用には課題が残る．本研究では点群のみから汎用的な特徴を抽出するため，穴埋め問題を用いた自己教師あり事前学習モデルを構築し，物体検出で有効性を評価する． Translation |
| Abstract(E) | 4D imaging radars excel in environmental robustness and long-range detection. However, their point clouds contain abundant noise and are sparse, making challenges for tasks such as object detection and self-localization. In this study, we build a self-supervised pre-training model based on a masked reconstruction task to extract generalizable features from radar point clouds, and evaluate its effectiveness in object detection. |
