Fugu-MT 論文翻訳(概要): End-to-End Deep Structured Models for Drawing Crosswalks

論文の概要: End-to-End Deep Structured Models for Drawing Crosswalks

arxiv url: http://arxiv.org/abs/2012.11585v3
Date: Thu, 14 Jan 2021 20:35:01 GMT
ステータス: 処理完了
システム内更新日: 2021-04-27 06:29:31.808474
Title: End-to-End Deep Structured Models for Drawing Crosswalks
Title（参考訳）: 横断歩道のエンド・ツー・エンドの深層構造モデル
Authors: Justin Liang, Raquel Urtasun
Abstract要約: 我々は、両方の入力を地上に投影し、シーンのトップダウンビューを生成します。次に,畳み込みニューラルネットワークを用いて横断歩道の位置に関する意味的手がかりを抽出する。大都市での横断歩道実験では96.6%の自動化が可能であった。
参考スコア（独自算出の注目度）: 98.9901717499058
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we address the problem of detecting crosswalks from LiDAR and camera imagery. Towards this goal, given multiple LiDAR sweeps and the corresponding imagery, we project both inputs onto the ground surface to produce a top down view of the scene. We then leverage convolutional neural networks to extract semantic cues about the location of the crosswalks. These are then used in combination with road centerlines from freely available maps (e.g., OpenStreetMaps) to solve a structured optimization problem which draws the final crosswalk boundaries. Our experiments over crosswalks in a large city area show that 96.6% automation can be achieved.
Abstract（参考訳）: 本稿では,LiDARとカメラ画像から横断歩道を検出する問題に対処する。この目標に向けて、複数のLiDARスイープと対応する画像が与えられた場合、両方の入力を地上に投影し、シーンのトップダウンビューを生成する。次に,畳み込みニューラルネットワークを用いて横断歩道の位置に関する意味的手がかりを抽出する。その後、これらは自由に利用できる地図(OpenStreetMapsなど)の道路中心線と組み合わせて、最終横断歩道の境界線を引く構造最適化問題を解く。大都市の横断歩道における実験の結果,96.6%の自動化が達成できた。

関連論文リスト

PaRK-Detect: Towards Efficient Multi-Task Satellite Imagery Road Extraction via Patch-Wise Keypoints Detection [12.145321599949236]
我々は、マルチタスク衛星画像道路抽出のための新しい手法、パッチワイド道路キーポイント検出(PaRK-Detect)を提案する。筆者らのフレームワークは,パッチワイド道路キーポイントの位置と,それら間の近接関係を予測し,道路グラフを単一パスで構築する。我々は,DeepGlobe, Massachusetts Roads, RoadTracerの既存の最先端手法に対するアプローチを評価し,競争力やより良い結果を得る。
論文参考訳（メタデータ） (2023-02-26T08:26:26Z)
TrackletMapper: Ground Surface Segmentation and Mapping from Traffic Participant Trajectories [24.817728268091976]
TrackletMapperは、オブジェクトのトラックレットから歩道、道路、道路横断といった地上のタイプをアノテートするためのフレームワークである。地表面マップを集約し、カメラ画像に投影することにより、さらなる性能向上のためにモデルを自己蒸留することができることを示す。歩行者エリアで動作する移動ロボットのための,新しい大規模データセットについて,定性的かつ定量的に検証した。
論文参考訳（メタデータ） (2022-09-12T13:43:10Z)
From Pedestrian Detection to Crosswalk Estimation: An EM Algorithm and Analysis on Diverse Datasets [0.0]
本研究では,LiDAR点雲やカメラ画像から歩行者を検出することで,標識付き歩行者横断歩道の角点と直線交差区間を推定するためのEMアルゴリズムを提案する。本研究では,複数周期のデータ収集を含む実世界の3つのデータセットを,マーク付き横断歩道とマークなし横断歩道の4つの角と2つの角の交差点で解析することにより,アルゴリズムの性能を実証する。
論文参考訳（メタデータ） (2022-05-25T08:40:38Z)
Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
論文参考訳（メタデータ） (2022-04-27T13:10:48Z)
Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
論文参考訳（メタデータ） (2022-04-10T19:16:58Z)
RNGDet: Road Network Graph Detection by Transformer in Aerial Images [19.141279413414082]
道路ネットワークグラフは、自動運転車アプリケーションにとって重要な情報を提供する。手動でアノテートする道路ネットワークグラフは非効率で労働集約的です。 RNGDetという変圧器と模倣学習に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2022-02-16T01:59:41Z)
SPIN Road Mapper: Extracting Roads from Aerial Images via Spatial and Interaction Space Graph Reasoning for Autonomous Driving [64.10636296274168]
道路抽出は、自律航法システムを構築するための重要なステップである。この問題に対して単に畳み込みニューラルネットワーク(ConvNets)を使用することは、画像内の道路セグメント間の遠い依存関係をキャプチャする非効率であるため、効果がない。本研究では,ConvNetに接続した時,特徴写像から投影された空間空間および相互作用空間上に構築されたグラフの推論を行う空間空間グラフ推論(SPIN)モジュールを提案する。
論文参考訳（メタデータ） (2021-09-16T03:52:17Z)
Geometry-Guided Street-View Panorama Synthesis from Satellite Imagery [80.6282101835164]
オーバヘッド衛星画像から新しいストリートビューパノラマを合成するための新しいアプローチを提案する。本手法は,googleの全方位ストリートビュー型パノラマを,衛星パッチの中央と同じ地理的位置から取得したかのように生成する。
論文参考訳（メタデータ） (2021-03-02T10:27:05Z)
Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
論文参考訳（メタデータ） (2020-12-21T18:59:12Z)

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。