論文の概要: OpenLane-V2: A Topology Reasoning Benchmark for Scene Understanding in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2304.10440v2
• Date: Sat, 10 Jun 2023 17:22:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-14 00:22:06.265329
• Title: OpenLane-V2: A Topology Reasoning Benchmark for Scene Understanding in Autonomous Driving
• Title（参考訳）: OpenLane-V2: 自動運転におけるシーン理解のためのトポロジ推論ベンチマーク
• Authors: Huijie Wang, Tianyu Li, Yang Li, Li Chen, Chonghao Sima, Zhenbo Liu, Yuting Wang, Shengyin Jiang, Peijin Jia, Bangjun Wang, Feng Wen, Hang Xu, Ping Luo, Junchi Yan, Wei Zhang, Hongyang Li
• Abstract要約: 交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
• 参考スコア（独自算出の注目度）: 80.01978684807978
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Accurately depicting the complex traffic scene is a vital component for autonomous vehicles to execute accurate judgments. However, existing benchmarks tend to oversimplify the scene by solely focusing on lane perception tasks. Observing that human drivers rely on both lanes and traffic signals to operate their vehicles safely, we present OpenLane-V2, the first dataset on topology reasoning for traffic scene structure. The objective of the presented dataset is to advance research in understanding the structure of road scenes by examining the relationship between perceived entities, such as traffic elements and lanes. Leveraging existing datasets, OpenLane-V2 consists of 2,000 annotated road scenes that describe traffic elements and their correlation to the lanes. It comprises three primary sub-tasks, including the 3D lane detection inherited from OpenLane, accompanied by corresponding metrics to evaluate the model's performance. We evaluate various state-of-the-art methods, and present their quantitative and qualitative results on OpenLane-V2 to indicate future avenues for investigating topology reasoning in traffic scenes.
• Abstract（参考訳）: 複雑な交通シーンを正確に描写することは、自動運転車が正確な判断を行う上で重要な要素である。 しかし、既存のベンチマークはレーン知覚タスクのみに焦点を当ててシーンを単純化する傾向がある。 人間の運転者が車線と交通信号の両方に依存して車両を安全に運転することを観察し、交通シーン構造のトポロジー推論に関する最初のデータセットであるopenlane-v2を提示する。 提案したデータセットは,交通要素や車線などの知覚的実体間の関係を調べることにより,道路景観の構造を理解するための研究を進めることを目的としている。 既存のデータセットを活用して、openlane-v2は2000の注釈付き道路シーンで構成され、トラフィック要素とそのレーンとの相関を記述している。 openlaneから受け継いだ3dレーン検出を含む3つの主要なサブタスクと、モデルのパフォーマンスを評価するための対応するメトリクスで構成されている。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。

関連論文リスト

• Monocular Lane Detection Based on Deep Learning: A Survey [51.19079381823076]
  車線検出は自律運転認識システムにおいて重要な役割を果たす。 ディープラーニングアルゴリズムが普及するにつれて、ディープラーニングに基づく単眼車線検出手法が優れた性能を示した。 本稿では, 成熟度の高い2次元車線検出手法と開発途上国の3次元車線検出技術の両方を網羅して, 既存手法の概要を概説する。
  論文  参考訳（メタデータ） (2024-11-25T12:09:43Z)
• AIDE: A Vision-Driven Multi-View, Multi-Modal, Multi-Tasking Dataset for Assistive Driving Perception [26.84439405241999]
  本稿では,車内と車外の両方でコンテキスト情報を考察するAssIstive Driving pErceptionデータセット(AIDE)を提案する。 AIDEは3つの特徴を通して総合的なドライバー監視を容易にする。 2つの融合戦略を導入し、効果的なマルチストリーム/モーダル表現の学習に新たな洞察を与える。
  論文  参考訳（メタデータ） (2023-07-26T03:12:05Z)
• Concretization of Abstract Traffic Scene Specifications Using Metaheuristic Search [1.9307952728103126]
  AVのシナリオベースのテストに向けた第一歩として、トラフィックシナリオの初期シーンを減らさなければならない。 本稿では,車両を現実的な道路地図上に配置し,一連の抽象的制約を満たす交通シーンの促進手法を提案する。 提案手法の8つの構成を,最先端のScenicツールの3つのバリエーションと比較するために,現実的な3つの道路地図上で一連の実験を行った。
  論文  参考訳（メタデータ） (2023-07-15T15:13:16Z)
• Graph-based Topology Reasoning for Driving Scenes [102.35885039110057]
  TopoNetは、従来の知覚タスクを超えてトラフィック知識を抽象化できる最初のエンドツーエンドフレームワークである。 TopoNetを,難解なシーン理解ベンチマークOpenLane-V2で評価した。
  論文  参考訳（メタデータ） (2023-04-11T15:23:29Z)
• Dynamic loss balancing and sequential enhancement for road-safety assessment and traffic scene classification [0.0]
  道路安全検査は、道路インフラに寄与する道路事故死者を減らすのに欠かせない手段である。 最近の研究は、道路安全属性としても知られる、慎重に選択されたリスク要因の観点から、道路安全評価を形式化している。 本稿では,2段階のニューラルネットワークによる認識を自動化することにより,退屈な人的労働への依存を減らすことを提案する。
  論文  参考訳（メタデータ） (2022-11-08T11:10:07Z)
• JPerceiver: Joint Perception Network for Depth, Pose and Layout Estimation in Driving Scenes [75.20435924081585]
  JPerceiverは、モノクロビデオシーケンスからスケール認識深度とVOとBEVレイアウトを同時に推定することができる。 クロスビュー幾何変換(CGT)を利用して、絶対スケールを道路レイアウトから奥行きとVOに伝播させる。 Argoverse、Nuscenes、KITTIの実験は、上記の3つのタスクの全てにおいて、既存のメソッドよりもJPerceiverの方が優れていることを示している。
  論文  参考訳（メタデータ） (2022-07-16T10:33:59Z)
• PersFormer: 3D Lane Detection via Perspective Transformer and the OpenLane Benchmark [109.03773439461615]
  PersFormerは、新しいトランスフォーマーベースの空間特徴変換モジュールを備えた、エンドツーエンドのモノクル3Dレーン検出器である。 高品質なアノテーションとシナリオの多様性を備えたOpenLaneと呼ばれる,最初の大規模な3Dレーンデータセットの1つをリリースしました。
  論文  参考訳（メタデータ） (2022-03-21T16:12:53Z)
• Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
  実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。 私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-15T03:03:38Z)
• Extracting the fundamental diagram from aerial footage [6.780998887296333]
  効率的な交通監視は,交通ネットワークにおける渋滞対策に不可欠な役割を担っている。 本稿では,ドローンプラットフォームから得られた空中映像から基本図を得るための革新的な手法を考案する。 提案手法は, 車両検出, 車両追跡, 交通状態推定の3段階からなる。
  論文  参考訳（メタデータ） (2020-07-07T06:34:50Z)

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。