論文の概要: Road Scene Graph: A Semantic Graph-Based Scene Representation Dataset for Intelligent Vehicles

• arxiv url: http://arxiv.org/abs/2011.13588v1
• Date: Fri, 27 Nov 2020 07:33:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-09-20 01:46:23.460080
• Title: Road Scene Graph: A Semantic Graph-Based Scene Representation Dataset for Intelligent Vehicles
• Title（参考訳）: road scene graph: インテリジェントな車両のためのセマンティックグラフベースのシーン表現データセット
• Authors: Yafu Tian, Alexander Carballo, Ruifeng Li and Kazuya Takeda
• Abstract要約: 本稿では,車載用特別シーングラフである道路シーングラフを提案する。 オブジェクトの提案だけでなく、ペアワイドな関係も提供します。 それらをトポロジカルグラフで整理することで、これらのデータは説明可能であり、完全に接続され、GCNによって容易に処理できる。
• 参考スコア（独自算出の注目度）: 72.04891523115535
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rich semantic information extraction plays a vital role on next-generation intelligent vehicles. Currently there is great amount of research focusing on fundamental applications such as 6D pose detection, road scene semantic segmentation, etc. And this provides us a great opportunity to think about how shall these data be organized and exploited. In this paper we propose road scene graph,a special scene-graph for intelligent vehicles. Different to classical data representation, this graph provides not only object proposals but also their pair-wise relationships. By organizing them in a topological graph, these data are explainable, fully-connected, and could be easily processed by GCNs (Graph Convolutional Networks). Here we apply scene graph on roads using our Road Scene Graph dataset, including the basic graph prediction model. This work also includes experimental evaluations using the proposed model.
• Abstract（参考訳）: リッチセマンティック情報抽出は、次世代のインテリジェント車において重要な役割を果たす。 現在,6次元ポーズ検出や道路シーンセマンティックセグメンテーションなどの基本的な応用に焦点を当てた研究が数多く行われている。 これにより、これらのデータを組織化し、どのように活用するかを考える素晴らしい機会が得られます。 本稿では,車載用特別シーングラフである道路シーングラフを提案する。 古典的なデータ表現とは異なり、このグラフはオブジェクトの提案だけでなく、ペア関係も提供する。 トポロジグラフにまとめることで、これらのデータは説明可能で、完全に接続可能であり、GCN(Graph Convolutional Networks)で簡単に処理できる。 ここでは,基本グラフ予測モデルを含む道路シーングラフデータセットを用いて道路のシーングラフを適用する。 本研究は,提案モデルを用いた実験評価も含む。

関連論文リスト

• nuScenes Knowledge Graph -- A comprehensive semantic representation of traffic scenes for trajectory prediction [6.23221362105447]
  交通シーンにおける軌道予測は、周囲の車両の挙動を正確に予測する。 車両の走行経路、道路トポロジー、車線分割器、交通規則など、文脈情報を考慮することが重要である。 本稿では,知識グラフを用いて交通シーン内の多様なエンティティとその意味的関係をモデル化する手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T10:40:34Z)
• AutoGraph: Predicting Lane Graphs from Traffic Observations [35.73868803802196]
  本稿では,交通参加者の動作パターンをレーングラフアノテーションとして利用することを提案する。 これらのトラックレットの位置に基づいて、後続車線グラフを初期位置から予測する。 その後の段階では、個々の後続予測を一貫したレーングラフに集約する方法を示す。
  論文  参考訳（メタデータ） (2023-06-27T12:11:22Z)
• RSG-Net: Towards Rich Sematic Relationship Prediction for Intelligent Vehicle in Complex Environments [72.04891523115535]
  本稿では,オブジェクトの提案から潜在的意味関係を予測するグラフ畳み込みネットワークRSG-Netを提案する。 実験の結果、このネットワークはロードシーングラフデータセットに基づいてトレーニングされており、エゴ車両周辺のオブジェクト間の潜在的な意味関係を効率的に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-07-16T12:40:17Z)
• Neural Graph Matching for Pre-training Graph Neural Networks [72.32801428070749]
  グラフニューラルネットワーク(GNN)は、構造データのモデリングにおいて強力な能力を示している。 GMPTと呼ばれる新しいグラフマッチングベースのGNN事前学習フレームワークを提案する。 提案手法は,完全自己指導型プレトレーニングと粗粒型プレトレーニングに適用できる。
  論文  参考訳（メタデータ） (2022-03-03T09:53:53Z)
• roadscene2vec: A Tool for Extracting and Embedding Road Scene-Graphs [3.9482018271405073]
  Roadcene2vecは、道路シーングラフを抽出して埋め込むオープンソースツールである。 Roadcene2vecの目的は、道路シーングラフの応用と能力の研究を可能にすることである。
  論文  参考訳（メタデータ） (2021-09-02T19:21:18Z)
• Lane Graph Estimation for Scene Understanding in Urban Driving [34.82775302794312]
  鳥眼視画像から車線形状を推定する新しい手法を提案する。 人気のあるnuscenesデータセットから処理されたマルチモーダルバードズ・アイビューデータに基づくグラフ推定モデルをトレーニングする。 私達のモデルは最も評価される都市場面のための有望な性能を示し、自動運転のためのHD車線アノテーションの自動生成のステップとして役立つことができます。
  論文  参考訳（メタデータ） (2021-05-01T08:38:18Z)
• Learning 3D Semantic Scene Graphs from 3D Indoor Reconstructions [94.17683799712397]
  我々は、グラフ内のシーンのエンティティを整理するデータ構造であるシーングラフに焦点を当てる。 本研究では,シーンの点雲からシーングラフを回帰する学習手法を提案する。 本稿では,3D-3Dおよび2D-3Dマッチングの中間表現としてグラフが機能するドメインに依存しない検索タスクにおける本手法の適用について述べる。
  論文  参考訳（メタデータ） (2020-04-08T12:25:25Z)
• GPS-Net: Graph Property Sensing Network for Scene Graph Generation [91.60326359082408]
  シーングラフ生成(SGG)は、画像内のオブジェクトとそれらのペア関係を検出することを目的としている。 GPS-Netは、エッジ方向情報、ノード間の優先度の差、長期にわたる関係の分布という、SGGの3つの特性を網羅している。 GPS-Netは、VG、OI、VRDの3つの一般的なデータベース上での最先端のパフォーマンスを、さまざまな設定とメトリクスで大幅に向上させる。
  論文  参考訳（メタデータ） (2020-03-29T07:22:31Z)
• Deep Learning for Learning Graph Representations [58.649784596090385]
  グラフデータのマイニングはコンピュータ科学においてポピュラーな研究トピックとなっている。 ネットワークデータの膨大な量は、効率的な分析に大きな課題をもたらしている。 これはグラフ表現の出現を動機付け、グラフを低次元ベクトル空間にマッピングする。
  論文  参考訳（メタデータ） (2020-01-02T02:13:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。