論文の概要: TopoMask: Instance-Mask-Based Formulation for the Road Topology Problem via Transformer-Based Architecture

• arxiv url: http://arxiv.org/abs/2306.05419v1
• Date: Thu, 8 Jun 2023 17:58:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 12:46:07.849658
• Title: TopoMask: Instance-Mask-Based Formulation for the Road Topology Problem via Transformer-Based Architecture
• Title（参考訳）: TopoMask: トランスフォーマーアーキテクチャによる道路トポロジ問題に対するインスタンスマスクに基づく定式化
• Authors: M. Esat Kalfaoglu, Halil Ibrahim Ozturk, Ozsel Kilinc, Alptekin Temizel
• Abstract要約: 道路トポロジにおける中心線予測のためのTopoMaskを紹介する。 TopoMaskはOpenLane-V2スコア(OLS)で4位、OpenLane Topology Challenge 2023ではF1スコアで2位にランクインしている。
• 参考スコア（独自算出の注目度）: 4.970364068620607
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Driving scene understanding task involves detecting static elements such as lanes, traffic signs, and traffic lights, and their relationships with each other. To facilitate the development of comprehensive scene understanding solutions using multiple camera views, a new dataset called Road Genome (OpenLane-V2) has been released. This dataset allows for the exploration of complex road connections and situations where lane markings may be absent. Instead of using traditional lane markings, the lanes in this dataset are represented by centerlines, which offer a more suitable representation of lanes and their connections. In this study, we have introduced a new approach called TopoMask for predicting centerlines in road topology. Unlike existing approaches in the literature that rely on keypoints or parametric methods, TopoMask utilizes an instance-mask based formulation with a transformer-based architecture and, in order to enrich the mask instances with flow information, a direction label representation is proposed. TopoMask have ranked 4th in the OpenLane-V2 Score (OLS) and ranked 2nd in the F1 score of centerline prediction in OpenLane Topology Challenge 2023. In comparison to the current state-of-the-art method, TopoNet, the proposed method has achieved similar performance in Frechet-based lane detection and outperformed TopoNet in Chamfer-based lane detection without utilizing its scene graph neural network.
• Abstract（参考訳）: 運転シーン理解タスクは、車線、交通標識、信号などの静的要素の検出と、それらの相互関係を含む。 複数のカメラビューを用いた総合的なシーン理解ソリューションの開発を容易にするため、Road Genome (OpenLane-V2)と呼ばれる新しいデータセットがリリースされた。 このデータセットは、複雑な道路接続やレーンマーキングが存在しない状況の探索を可能にする。 従来のレーンマーキングを使用する代わりに、このデータセットのレーンは、レーンとその接続をより適切な表現を提供するセンターラインとして表現される。 本研究では,道路トポロジの中心線を予測するためのTopoMaskという新しい手法を提案する。 キーポイントやパラメトリックメソッドに依存する文学の既存のアプローチとは異なり、topomaskはトランスフォーマーベースのアーキテクチャでインスタンスマスクベースの定式化を採用しており、フロー情報でマスクインスタンスを豊かにするために方向ラベル表現が提案されている。 TopoMaskはOpenLane-V2スコア(OLS)で4位、OpenLane Topology Challenge 2023ではF1スコアで2位にランクインしている。 提案手法は,現在の最先端手法であるtoponetと比較して,frechetに基づくレーン検出と,そのシーングラフニューラルネットワークを使わずにchamferに基づくレーン検出におけるtoponetに匹敵する性能を実現した。

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)
• RoadPainter: Points Are Ideal Navigators for Topology transformER [10.179711440042123]
  トポロジ推論は、道路シーンの正確な理解を提供することを目的としており、自律システムは安全かつ効率的なルートを特定できる。 多視点画像を用いた車線中心線のトポロジの検出と推論のための革新的なアプローチであるRoadPainterを提案する。
  論文  参考訳（メタデータ） (2024-07-22T03:23:35Z)
• LaneSegNet: Map Learning with Lane Segment Perception for Autonomous Driving [60.55208681215818]
  道路構造の完全な表現を得るために,レーンセグメントを生成する最初のエンドツーエンドマッピングネットワークであるLaneSegNetを紹介した。 提案アルゴリズムは2つの重要な修正点を特徴としている。1つは、長距離特徴空間内の重要な領域の詳細をキャプチャするレーンアテンションモジュールである。 OpenLane-V2データセットでは、LaneSegNetは3つのタスクにまたがって大幅に向上している。
  論文  参考訳（メタデータ） (2023-12-26T16:22:10Z)
• MGL2Rank: Learning to Rank the Importance of Nodes in Road Networks Based on Multi-Graph Fusion [7.835154677901744]
  既存の交通ネットワークにおけるノードの重要性を評価する方法は、位相情報と交通量のみを考慮する。 本稿では,ノードの重要性をランク付けするために,道路網の豊富な特徴を統合するグラフ学習ベースのフレームワーク(MGL2Rank)を提案する。
  論文  参考訳（メタデータ） (2023-05-20T13:46:44Z)
• OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
  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。
  論文  参考訳（メタデータ） (2023-04-20T16:31:22Z)
• 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)
• Online Lane Graph Extraction from Onboard Video [133.68032636906133]
  オンボードカメラからの映像ストリームを、周囲のレーングラフのオンライン抽出に使用しています。 入力が1つの画像ではなくビデオを使うことは、異なるタイムステップからの情報を組み合わせることのメリットと課題の両方をもたらす。 提案手法の1つのモデルでは、1つを含む任意の数の画像を処理し、正確なレーングラフを生成することができる。
  論文  参考訳（メタデータ） (2023-04-03T12:36:39Z)
• 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)
• Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
  粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。 本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。 提案手法は,高品質なトラフィックフローマップを作成できる。
  論文  参考訳（メタデータ） (2021-09-29T07:51:49Z)

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。