Task-Driven Implicit Representations for Automated Design of LiDAR Systems

要約

イメージングシステムの設計は、複雑で時間がかかり、大部分が手動プロセスです。
モバイルデバイス、自動運転車、航空イメージングプラットフォームで遍在するLIDARデザインは、ユニークな空間的および時間的サンプリング要件を通じてさらに複雑さを追加します。
この作業では、任意の制約の下で自動化されたタスク駆動型のLIDARシステム設計のフレームワークを提案します。
これを達成するために、連続6次元設計空間でLIDAR構成を表し、フローベースの生成モデリングを介してこの空間のタスク固有の暗黙的密度を学習します。
次に、センサーを6D空間のパラメトリック分布としてモデル化し、期待最大化を使用して学習した暗黙の密度にこれらの分布を適合させ、効率的で制約対応のLIDARシステム設計を可能にすることにより、新しいLIDARシステムを合成します。
3Dビジョンの多様なタスクに関する方法を検証し、フェイススキャン、ロボット追跡、オブジェクトの検出における現実世界にインスパイアされたアプリケーション全体で自動化されたLIDARシステム設計を可能にします。

要約(オリジナル)

Imaging system design is a complex, time-consuming, and largely manual process; LiDAR design, ubiquitous in mobile devices, autonomous vehicles, and aerial imaging platforms, adds further complexity through unique spatial and temporal sampling requirements. In this work, we propose a framework for automated, task-driven LiDAR system design under arbitrary constraints. To achieve this, we represent LiDAR configurations in a continuous six-dimensional design space and learn task-specific implicit densities in this space via flow-based generative modeling. We then synthesize new LiDAR systems by modeling sensors as parametric distributions in 6D space and fitting these distributions to our learned implicit density using expectation-maximization, enabling efficient, constraint-aware LiDAR system design. We validate our method on diverse tasks in 3D vision, enabling automated LiDAR system design across real-world-inspired applications in face scanning, robotic tracking, and object detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google