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
Self-Supervised Pre-Training for Generalizable Feature Extraction from 4D Imaging Radar Point Clouds
- 提供方法
- 本サイト上にてダウンロード・閲覧可
- 形態
- 価格
- 一般価格(税込)：￥1,100 会員価格(税込)：￥880
- 文献番号
- 20265391
- 文献・情報種別
- 学術講演会予稿集（春）
No.90-26
- 掲載ページ
- 1-6(Total 6 p)
- 発行年月
- 2026年 5月
- 出版社
- (公社)自動車技術会
- 言語
- 日本語
- イベント
- 2026年春季大会
書誌事項
| 著者 | 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 |
|---|---|
| 著者（英） | 1) Takumi Takai, 2) Keisuke Yoneda, 3) Keigo Hariya, 4) Haku Shinoda, 5) Yukiya Fukuda, 6) Naoki Suganuma |
| 勤務先 | 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 |
| 勤務先（英） | 1) Kanazawa University, 2) Kanazawa University, 3) Kanazawa University, 4) Kanazawa University, 5) Kanazawa University, 6) Kanazawa University |
| 抄録 | 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． |
| 抄録（英） | 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. 翻訳 |
