論文の概要: RTMaps-based Local Dynamic Map for multi-ADAS data fusion

• arxiv url: http://arxiv.org/abs/2205.06497v1
• Date: Fri, 13 May 2022 08:07:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-16 21:14:29.150399
• Title: RTMaps-based Local Dynamic Map for multi-ADAS data fusion
• Title（参考訳）: rtmapsを用いたマルチadasデータ融合のための局所動的マップ
• Authors: Marcos Nieto, Mikel Garcia, Itziar Urbieta, Oihana Otaegui
• Abstract要約: 車両内のリアルタイムデータベースとして動作するLCMコンポーネントは、マルチADASシステムの魅力的なソリューションである。 本稿では,RTMaps を用いたリアルタイム LDM コンポーネントの実装手法について述べる。
• 参考スコア（独自算出の注目度）: 1.593065406609169
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Work on Local Dynamic Maps (LDM) implementation is still in its early stages, as the LDM standards only define how information shall be structured in databases, while the mechanism to fuse or link information across different layers is left undefined. A working LDM component, as a real-time database inside the vehicle is an attractive solution to multi-ADAS systems, which may feed a real-time LDM database that serves as a central point of information inside the vehicle, exposing fused and structured information to other components (e.g., decision-making systems). In this paper we describe our approach implementing a real-time LDM component using the RTMaps middleware, as a database deployed in a vehicle, but also at road-side units (RSU), making use of the three pillars that guide a successful fusion strategy: utilisation of standards (with conversions between domains), middlewares to unify multiple ADAS sources, and linkage of data via semantic concepts.
• Abstract（参考訳）: ローカル・ダイナミック・マップ(LDM)の実装はまだ初期段階であり、LDM標準はデータベース内で情報がどのように構成されるかのみを定義し、異なるレイヤ間で情報を融合またはリンクするメカニズムは未定義のままである。 車両内のリアルタイムデータベースとしてのワーキング LDM コンポーネントは、車内の情報の中心となるリアルタイム LDM データベースを供給し、他のコンポーネント(例えば、意思決定システム)に融合して構造化された情報を公開する、マルチADAS システムの魅力的なソリューションである。 本稿では,rtmapsミドルウェアを用いたリアルタイムldmコンポーネントの実装手法について述べる。rtmapsミドルウェアを車両にデプロイしたデータベースとして,道路側ユニット(rsu)にも実装し,融合戦略を導く3つの柱(標準の利用(ドメイン間の変換),複数のadasソースを統一するためのミドルウェア,セマンティクス概念によるデータのリンク)を用いて実装する。

関連論文リスト

• 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)
• DIM: Dynamic Integration of Multimodal Entity Linking with Large Language Model [16.20833396645551]
  本稿では,ChatGPTを用いた動的エンティティ抽出を提案する。 知識ベース(DIM)とマルチモーダル情報を動的に統合し、視覚的理解にLarge Language Model(LLM)の機能を利用する方法を提案する。
  論文  参考訳（メタデータ） (2024-06-27T15:18:23Z)
• RAEmoLLM: Retrieval Augmented LLMs for Cross-Domain Misinformation Detection Using In-Context Learning based on Emotional Information [36.059869205457815]
  RAEmoLLMは、感情情報に基づくコンテキスト内学習を用いて、クロスドメインの誤情報検出に対処する最初のフレームワークである。 感情を意識したLLMを適用して、感情埋め込みの検索データベースを構築する。 その結果,RAEmoLLMは3つのデータセットのゼロショット法と比較して大幅な改善が得られた。
  論文  参考訳（メタデータ） (2024-06-16T22:49:11Z)
• Generic Multi-modal Representation Learning for Network Traffic Analysis [6.372999570085887]
  ネットワークトラフィック分析は、ネットワーク管理、トラブルシューティング、セキュリティに不可欠である。 異なるユースケースを解決できる柔軟なマルチモーダルオートエンコーダ(MAE)パイプラインを提案する。 我々は、MAEアーキテクチャは汎用的であり、複数のシナリオで有用な表現の学習に使用できると論じる。
  論文  参考訳（メタデータ） (2024-05-04T12:24:29Z)
• Jointly Learning Representations for Map Entities via Heterogeneous Graph Contrastive Learning [38.415692986360995]
  マップエンティティの複数カテゴリの表現を学習するためのHOME-GCLという新しい手法を提案する。 本手法では,道路セグメントとランドパーセルの両方を統一したフレームワークに統合するヘテロジニアスマップエンティティグラフ(HOMEグラフ)を用いる。 我々の知る限り、HOME-GCLは統一モデルを用いて道路セグメントと土地区画の表現を共同で学習する最初の試みである。
  論文  参考訳（メタデータ） (2024-02-09T01:47:18Z)
• InstructDET: Diversifying Referring Object Detection with Generalized Instructions [39.36186258308405]
  本稿では,ユーザ指示に基づいて対象オブジェクトをローカライズするオブジェクト検出(ROD)をデータ中心で参照する手法を提案する。 1つの画像に対して、各オブジェクトと複数のオブジェクトの異なる組み合わせを参照する素晴らしい命令を生成します。
  論文  参考訳（メタデータ） (2023-10-08T12:10:44Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)
• Benchmarking Diverse-Modal Entity Linking with Generative Models [78.93737257356784]
  既存の EL データセットから様々なモード EL (DMEL) のベンチマークを構築した。 DMEL タスクにアプローチするため,マルチモーダルエンコーダ・デコーダのパラダイムに則って生成多モードモデル (GDMM) を提案する。 GDMMは、より強力なDMELベースラインを構築し、平均8.51F1スコアで最先端のタスク固有のELモデルを上回っている。
  論文  参考訳（メタデータ） (2023-05-27T02:38:46Z)
• IDD-3D: Indian Driving Dataset for 3D Unstructured Road Scenes [79.18349050238413]
  デプロイ可能なディープラーニングアーキテクチャの準備とトレーニングには、さまざまなトラフィックシナリオに適したモデルが必要である。 インドなどいくつかの発展途上国で見られる非構造的で複雑な運転レイアウトは、これらのモデルに挑戦している。 我々は、複数のカメラと12kの注釈付き駆動LiDARフレームを備えたLiDARセンサーのマルチモーダルデータからなる新しいデータセットIDD-3Dを構築した。
  論文  参考訳（メタデータ） (2022-10-23T23:03:17Z)
• LCPFormer: Towards Effective 3D Point Cloud Analysis via Local Context Propagation in Transformers [60.51925353387151]
  本稿では,近隣地域間のメッセージパッシングを活用するために,LCP (Local Context Propagation) という新しいモジュールを提案する。 隣接するローカル領域の重複点を仲介として使用した後、異なるローカルリージョンからの共有ポイントの特徴を再重み付けし、その後、次のレイヤに渡す。 提案手法は, 異なるタスクに適用可能であり, 3次元形状分類や高密度予測タスクを含むベンチマークにおいて, 様々なトランスフォーマーベースの手法より優れる。
  論文  参考訳（メタデータ） (2022-10-23T15:43:01Z)
• Multi-Modal Cross-Domain Alignment Network for Video Moment Retrieval [55.122020263319634]
  ビデオモーメント検索(VMR)は、与えられた言語クエリに従って、未編集のビデオからターゲットモーメントをローカライズすることを目的としている。 本稿では、新しいタスクであるクロスドメインVMRに焦点を当て、完全なアノテーション付きデータセットをひとつのドメインで利用できるが、関心のあるドメインは、注釈なしのデータセットのみを含む。 本稿では、アノテーションの知識をソースドメインからターゲットドメインに転送するマルチモーダル・クロスドメインアライメント・ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-23T12:58:20Z)

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。