論文の概要: Beyond Road Extraction: A Dataset for Map Update using Aerial Images

• arxiv url: http://arxiv.org/abs/2110.04690v1
• Date: Sun, 10 Oct 2021 03:05:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-16 18:12:15.538909
• Title: Beyond Road Extraction: A Dataset for Map Update using Aerial Images
• Title（参考訳）: beyond road extraction: 航空画像を用いた地図更新のためのデータセット
• Authors: Favyen Bastani, Sam Madden
• Abstract要約: 地図更新タスクのためのMUNO21と呼ばれる新しいデータセットを開発した。 MUNO21上での最先端道路抽出手法について検討した。
• 参考スコア（独自算出の注目度）: 3.993449663756883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing availability of satellite and aerial imagery has sparked substantial interest in automatically updating street maps by processing aerial images. Until now, the community has largely focused on road extraction, where road networks are inferred from scratch from an aerial image. However, given that relatively high-quality maps exist in most parts of the world, in practice, inference approaches must be applied to update existing maps rather than infer new ones. With recent road extraction methods showing high accuracy, we argue that it is time to transition to the more practical map update task, where an existing map is updated by adding, removing, and shifting roads, without introducing errors in parts of the existing map that remain up-to-date. In this paper, we develop a new dataset called MUNO21 for the map update task, and show that it poses several new and interesting research challenges. We evaluate several state-of-the-art road extraction methods on MUNO21, and find that substantial further improvements in accuracy will be needed to realize automatic map update.
• Abstract（参考訳）: 衛星画像と空中画像の入手が増加し、航空画像の処理による道路地図の自動更新に大きな関心が寄せられている。 これまでコミュニティは、道路ネットワークが空中画像からスクラッチから推測される道路抽出に重点を置いてきた。 しかし、世界のほとんどの地域で比較的高品質な地図が存在することを考えると、新しい地図を推測するのではなく、既存の地図を更新するために推論手法を適用する必要がある。 近年の道路抽出手法が精度が高くなっているため,既存の地図を更新・削除・シフトすることで,最新の地図の一部に誤りを生じさせることなく,既存の地図を更新する,より実用的な地図更新タスクへの移行を議論する。 本稿では,マップ更新タスク用にmuno21と呼ばれる新しいデータセットを開発し,いくつかの新しい興味深い研究課題を提起する。 我々はMUNO21上での最先端道路抽出手法の評価を行い,自動地図更新を実現するためには,精度の大幅な向上が必要であることを見出した。

関連論文リスト

• TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
  我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。 我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。 レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
  論文  参考訳（メタデータ） (2024-11-22T06:13:42Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• DeepAerialMapper: Deep Learning-based Semi-automatic HD Map Creation for Highly Automated Vehicles [0.0]
  高解像度空中画像からHDマップを作成するための半自動手法を提案する。 提案手法では, ニューラルネットワークを訓練して, 空中画像をHDマップに関連するクラスに意味的に分割する。 マップをLanelet2フォーマットにエクスポートすることで、さまざまなユースケースを簡単に拡張できる。
  論文  参考訳（メタデータ） (2024-10-01T15:05:05Z)
• ExelMap: Explainable Element-based HD-Map Change Detection and Update [2.79552147676281]
  本稿では,要素をベースとしたHDマップ変更検出と更新を行う新しいタスクを提案する。 ExelMapは、変更したマップ要素を具体的に識別する、説明可能な要素ベースのマップ更新戦略である。 これは、実世界のエンド・ツー・エンドの要素ベースのHDマップ変更の検出と更新に関する、初めての総合的な問題調査である。
  論文  参考訳（メタデータ） (2024-09-16T11:17:33Z)
• ML Updates for OpenStreetMap: Analysis of Research Gaps and Future Directions [0.0]
  正確な最新の地図を維持することは、あらゆる動的な都市景観において重要である。 従来の(主に手動の)マップ生産とクラウドソースのマッピング手法は、構築された環境の急速な変化とペースを維持するのに依然として苦労している。 GoogleやMicrosoftのようなテクノロジーの巨人は、この現代のマッピング問題に対処するための機械学習(ML)技術の調査をすでに始まっている。
  論文  参考訳（メタデータ） (2024-06-28T23:51:04Z)
• SNAP: Self-Supervised Neural Maps for Visual Positioning and Semantic Understanding [57.108301842535894]
  我々は、地上と頭上の画像からリッチなニューラル2Dマップを学習するディープネットワークSNAPを紹介する。 我々は、異なる入力から推定されるニューラルマップの整列をトレーニングし、何千万ものストリートビュー画像のカメラポーズでのみ監視する。 SNAPは、従来の手法の範囲を超えて、挑戦的な画像クエリの場所を解決できる。
  論文  参考訳（メタデータ） (2023-06-08T17:54:47Z)
• csBoundary: City-scale Road-boundary Detection in Aerial Images for High-definition Maps [10.082536828708779]
  都市規模での道路境界の自動検出のためのcsBoundaryを提案する。 筆者らのネットワークは航空画像パッチを入力として,この画像から直接連続的な道路境界グラフを推定する。 私たちのcsBoundaryは、公開ベンチマークデータセットで評価され、比較されます。
  論文  参考訳（メタデータ） (2021-11-11T02:04:36Z)
• Updating Street Maps using Changes Detected in Satellite Imagery [28.25061267734934]
  本稿では,衛星画像の進行を経時的に反映し,精度を大幅に向上させる手法を提案する。 我々のアプローチはまず、異なるタイミングで撮影した衛星画像を比較して、視覚的に変化した物理的道路網の一部を特定する。 変更に基づくアプローチは,マップ更新エラー率を4倍に削減することを示す。
  論文  参考訳（メタデータ） (2021-10-13T02:50:26Z)
• HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
  HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。 実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。 高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
  論文  参考訳（メタデータ） (2021-06-28T17:59:30Z)
• MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
  MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。 提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
  論文  参考訳（メタデータ） (2021-01-18T00:09:30Z)
• Deploying machine learning to assist digital humanitarians: making image annotation in OpenStreetMap more efficient [72.44260113860061]
  本稿では,OpenStreetMapにおけるボランティアの作業を支援し,最適化するためのインタラクティブな手法を提案する。 提案手法は,OSMのボランティアが検証・修正するために必要なデータ量を大幅に削減する。
  論文  参考訳（メタデータ） (2020-09-17T10:05:30Z)

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。