論文の概要: MapTRv2: An End-to-End Framework for Online Vectorized HD Map
Construction
- arxiv url: http://arxiv.org/abs/2308.05736v1
- Date: Thu, 10 Aug 2023 17:56:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-11 11:29:32.359876
- Title: MapTRv2: An End-to-End Framework for Online Vectorized HD Map
Construction
- Title(参考訳): MapTRv2: オンラインベクトル化HDマップ構築のためのエンドツーエンドフレームワーク
- Authors: Bencheng Liao, Shaoyu Chen, Yunchi Zhang, Bo Jiang, Qian Zhang, Wenyu
Liu, Chang Huang, Xinggang Wang
- Abstract要約: High-definition (HD) マップは、運転シーンの豊富な正確な静的環境情報を提供する。
オンラインベクトル化HDマップ構築のためのエンドツーエンドフレームワークである textbfMap textbfTRansformer を提案する。
- 参考スコア(独自算出の注目度): 32.74879918300096
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: High-definition (HD) map provides abundant and precise static environmental
information of the driving scene, serving as a fundamental and indispensable
component for planning in autonomous driving system. In this paper, we present
\textbf{Map} \textbf{TR}ansformer, an end-to-end framework for online
vectorized HD map construction. We propose a unified permutation-equivalent
modeling approach, \ie, modeling map element as a point set with a group of
equivalent permutations, which accurately describes the shape of map element
and stabilizes the learning process. We design a hierarchical query embedding
scheme to flexibly encode structured map information and perform hierarchical
bipartite matching for map element learning. To speed up convergence, we
further introduce auxiliary one-to-many matching and dense supervision. The
proposed method well copes with various map elements with arbitrary shapes. It
runs at real-time inference speed and achieves state-of-the-art performance on
both nuScenes and Argoverse2 datasets. Abundant qualitative results show stable
and robust map construction quality in complex and various driving scenes. Code
and more demos are available at \url{https://github.com/hustvl/MapTR} for
facilitating further studies and applications.
- Abstract(参考訳): high-definition(hd)マップは、運転シーンの豊富かつ正確な静的な環境情報を提供し、自律運転システムにおける計画の基本的かつ不可欠な構成要素である。
本稿では,オンラインベクトル化HDマップ構築のためのエンドツーエンドフレームワークであるtextbf{Map} \textbf{TR}ansformerを提案する。
そこで我々は,マップ要素の形状を正確に記述し,学習過程を安定化する,等価な置換群からなる点集合としてマップ要素をモデル化する,統一的な置換等価モデリング手法である \ie を提案する。
構造化地図情報を柔軟にエンコードするために階層的クエリ埋め込みスキームを設計し,階層的2部マッチングを行う。
収束を早めるために、補助的な一対多マッチングと密集した監督を導入する。
提案手法は任意の形状の地図要素によく対応している。
リアルタイムの推論速度で動作し、nuScenesとArgoverse2データセットの両方で最先端のパフォーマンスを達成する。
その結果, 複雑かつ多様な運転シーンにおいて, 安定かつ頑健な地図構築の質が示された。
コードやデモは \url{https://github.com/hustvl/MapTR} で公開されている。
関連論文リスト
- Leveraging Enhanced Queries of Point Sets for Vectorized Map
Construction [15.324464723174533]
自律運転では、ハイデフィニション(HD)マップはローカライゼーションと計画において重要な役割を果たす。
本稿では,オンラインベクトル化マップ構築のためのクエリ機能の向上を重視したエンドツーエンド手法であるMapQRを紹介する。
論文 参考訳(メタデータ) (2024-02-27T11:43:09Z) - ADMap: Anti-disturbance framework for reconstructing online vectorized
HD map [9.218463154577616]
本稿では, 反ゆらぎマップ再構築フレームワーク (ADMap) を提案する。
点次ジッタを緩和するため、このフレームワークは、マルチスケール知覚ネック、インスタンスインタラクティブアテンション(IIA)、ベクトル方向差損失(VDDL)の3つのモジュールで構成されている。
論文 参考訳(メタデータ) (2024-01-24T01:37:27Z) - ScalableMap: Scalable Map Learning for Online Long-Range Vectorized HD
Map Construction [42.874195888422584]
オンライン長範囲ベクトル化ハイデフィニション(HD)マップ構築のための,オンボードカメラセンサを用いた新しいエンドツーエンドパイプラインを提案する。
地図要素の特性を利用して地図構築の性能を向上させる。
論文 参考訳(メタデータ) (2023-10-20T09:46:24Z) - TAPIR: Tracking Any Point with per-frame Initialization and temporal
Refinement [64.11385310305612]
本稿では,ビデオシーケンスを通して任意の物理面上の問合せ点を効果的に追跡する,TAP(Tracking Any Point)の新しいモデルを提案する。
提案手法では,(1)他のフレームの問合せ点に対する適切な候補点マッチングを独立に特定するマッチング段階と,(2)局所的相関に基づいてトラジェクトリと問合せの両方を更新する改良段階の2段階を用いる。
結果として得られたモデルは、DAVISにおける平均約20%の絶対平均ジャカード(AJ)改善によって示されるように、TAP-Vidベンチマークにおける大きなマージンで、すべてのベースライン手法を上回ります。
論文 参考訳(メタデータ) (2023-06-14T17:07:51Z) - G-MSM: Unsupervised Multi-Shape Matching with Graph-based Affinity
Priors [52.646396621449]
G-MSMは、非剛体形状対応のための新しい教師なし学習手法である。
学習形態の集合に親和性グラフを自己教師型で構築する。
近年の形状対応ベンチマークで最先端の性能を示す。
論文 参考訳(メタデータ) (2022-12-06T12:09:24Z) - MapTR: Structured Modeling and Learning for Online Vectorized HD Map
Construction [33.30177029735497]
MapTRは、効率的なオンラインベクトル化HDマップ構築のための構造化エンドツーエンドフレームワークである。
MapTRは既存のベクトル化マップ構築手法の中で最高の性能と効率を達成する。
論文 参考訳(メタデータ) (2022-08-30T17:55:59Z) - Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。
IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。
提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
論文 参考訳(メタデータ) (2022-06-17T09:40:14Z) - Bending Graphs: Hierarchical Shape Matching using Gated Optimal
Transport [80.64516377977183]
形状マッチングは、コンピュータグラフィックスと視覚のコミュニティにとって長い間研究されてきた問題である。
局所的なパッチレベル情報とグローバルな形状レベルの構造を組み込んだ階層型学習設計について検討する。
本研究では,非信頼ノード上の特徴を逐次更新し,形状間の一貫した一致を学習することで,新しい最適輸送解法を提案する。
論文 参考訳(メタデータ) (2022-02-03T11:41:46Z) - 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) - Dual Geometric Graph Network (DG2N) -- Iterative network for deformable
shape alignment [8.325327265120283]
局所的特徴が写像確率である双対グラフ構造を用いて幾何学的モデルを整列する新しい手法を提案する。
メッシュと点の雲の高速で安定な解における伸縮性ドメインのアライメントに関する技術成果を報告する。
論文 参考訳(メタデータ) (2020-11-30T12:03:28Z) - Learning Lane Graph Representations for Motion Forecasting [92.88572392790623]
生の地図データからレーングラフを構築し,地図構造を保存する。
我々は,アクター・トゥ・レーン,レーン・トゥ・レーン,レーン・トゥ・アクター,アクター・トゥ・アクターの4種類のインタラクションからなる融合ネットワークを利用する。
提案手法は,大規模Argoverse運動予測ベンチマークにおいて,最先端の手法を著しく上回っている。
論文 参考訳(メタデータ) (2020-07-27T17:59:49Z)
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。