論文の概要: InsMapper: Exploring Inner-instance Information for Vectorized HD Mapping

• arxiv url: http://arxiv.org/abs/2308.08543v4
• Date: Sat, 9 Mar 2024 03:10:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 16:39:15.173838
• Title: InsMapper: Exploring Inner-instance Information for Vectorized HD Mapping
• Title（参考訳）: InsMapper: ベクトル化HDマッピングのための内部インスタンス情報探索
• Authors: Zhenhua Xu, Kwan-Yee. K. Wong, Hengshuang Zhao
• Abstract要約: InsMapperは、トランスフォーマーによるベクトル化された高精細マッピングのインナーインスタンス情報を利用する。 InsMapperは従来の最先端の手法を超越し、その有効性と汎用性を示している。
• 参考スコア（独自算出の注目度）: 41.59891369655983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vectorized high-definition (HD) maps contain detailed information about surrounding road elements, which are crucial for various downstream tasks in modern autonomous vehicles, such as motion planning and vehicle control. Recent works attempt to directly detect the vectorized HD map as a point set prediction task, achieving notable detection performance improvements. However, these methods usually overlook and fail to analyze the important inner-instance correlations between predicted points, impeding further advancements. To address this issue, we investigate the utilization of inner-instance information for vectorized high-definition mapping through transformers, and propose a powerful system named $\textbf{InsMapper}$, which effectively harnesses inner-instance information with three exquisite designs, including hybrid query generation, inner-instance query fusion, and inner-instance feature aggregation. The first two modules can better initialize queries for line detection, while the last one refines predicted line instances. InsMapper is highly adaptable and can be seamlessly modified to align with the most recent HD map detection frameworks. Extensive experimental evaluations are conducted on the challenging NuScenes and Argoverse 2 datasets, where InsMapper surpasses the previous state-of-the-art method, demonstrating its effectiveness and generality. The project page for this work is available at https://tonyxuqaq.github.io/InsMapper/ .
• Abstract（参考訳）: ベクトル化ハイデフィニション(HD)マップには周囲の道路要素に関する詳細な情報が含まれており、移動計画や車両制御など、現代の自動運転車における様々な下流業務に不可欠である。 近年の研究では,ベクトル化HDマップを点集合予測タスクとして直接検出し,顕著な検出性能の向上を実現している。 しかし、これらの手法は通常、予測された点間の重要な内在相関を分析するのに失敗し、さらなる進歩を妨げる。 この問題に対処するために,変換器を用いたベクトル化高精細マッピングにおける内在情報の利用を検討するとともに,内在情報にハイブリッドクエリ生成,内在クエリ融合,内在特徴集約を含む3つの付加的な設計を効果的に活用する強力なシステムである$\textbf{InsMapper}$を提案する。 最初の2つのモジュールは行検出のためのクエリを初期化し、最後のモジュールは予測された行インスタンスを洗練する。 InsMapperは高度に適応可能で、最新のHDマップ検出フレームワークに合わせてシームレスに修正できる。 InsMapperは従来の最先端の手法を超越し,その有効性と汎用性を実証した,挑戦的なNuScenesとArgoverse 2データセットに関する大規模な実験的評価を行う。 この作業のプロジェクトページはhttps://tonyxuqaq.github.io/insmapper/で入手できる。

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)
• Enhancing Vectorized Map Perception with Historical Rasterized Maps [37.48510990922406]
  我々は,オンラインベクトル化地図知覚を高めるために,低コストな履歴ラスタライズドマップを利用するHRMapNetを提案する。 履歴化された地図は、過去の予測されたベクトル化された結果から容易に構築でき、貴重な補完情報を提供する。 HRMapNetは、ほとんどのオンラインベクトル化マップ認識手法と統合することができる。
  論文  参考訳（メタデータ） (2024-09-01T05:22:33Z)
• Leveraging Enhanced Queries of Point Sets for Vectorized Map Construction [15.324464723174533]
  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。 MapQR はscatter-and-gather クエリと呼ばれる新しいクエリ設計を採用している。 提案したMapQRは,最高平均精度(mAP)を達成し,nuScenesとArgoverse 2.0の両方で良好な効率を維持する。
  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)
• Online Map Vectorization for Autonomous Driving: A Rasterization Perspective [58.71769343511168]
  より優れた感度を有し,現実の自律運転シナリオに適した,新化に基づく評価指標を提案する。 また、精度の高い出力に微分可能化を適用し、HDマップの幾何学的監視を行う新しいフレームワークであるMapVR(Map Vectorization via Rasterization)を提案する。
  論文  参考訳（メタデータ） (2023-06-18T08:51:14Z)
• VectorMapNet: End-to-end Vectorized HD Map Learning [18.451587680552464]
  本稿では,VectorMapNetと呼ばれるエンドツーエンドのベクトル化HDマップ学習パイプラインを紹介する。 このパイプラインは、地図要素間の空間的関係を明示的にモデル化し、下流の自律運転タスクに相応しいベクトル化されたマップを生成することができる。 VectorMapNetはnuScenesとArgo2データセットの両方で強力なマップ学習性能を実現する。
  論文  参考訳（メタデータ） (2022-06-17T17:57:13Z)
• 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)
• MapFusion: A General Framework for 3D Object Detection with HDMaps [17.482961825285013]
  現代の3Dオブジェクトディテクタパイプラインにマップ情報を統合するためのMapFusionを提案します。 マップ情報を融合することにより、3つの強力な3dオブジェクト検出ベースラインで平均精度(map)が1.27ポイントから2.79ポイント向上する。
  論文  参考訳（メタデータ） (2021-03-10T08:36:59Z)
• HDNET: Exploiting HD Maps for 3D Object Detection [99.49035895393934]
  高精細度(hd)マップは、現代の3dオブジェクト検出器の性能と頑健性を高める強力な事前情報を提供する。 我々はHDマップから幾何学的特徴と意味的特徴を抽出する単一ステージ検出器を設計する。 地図は至る所では利用できないため、生のLiDARデータからフライ時の地図を推定するマップ予測モジュールも提案する。
  論文  参考訳（メタデータ） (2020-12-21T21:59:54Z)
• Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
  近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。 本稿では,従来のアプローチのさらなる発展について述べる。 複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
  論文  参考訳（メタデータ） (2020-08-09T09:26:30Z)

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。