論文の概要: Occlusion-Aware 2D and 3D Centerline Detection for Urban Driving via Automatic Label Generation

• arxiv url: http://arxiv.org/abs/2311.02044v1
• Date: Fri, 3 Nov 2023 17:20:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-06 13:17:50.405200
• Title: Occlusion-Aware 2D and 3D Centerline Detection for Urban Driving via Automatic Label Generation
• Title（参考訳）: 自動ラベル生成による都市走行のための閉塞型2次元・3次元中心線検出
• Authors: David Paz, Narayanan E. Ranganatha, Srinidhi K. Srinivas, Yunchao Yao, Henrik I. Christensen
• Abstract要約: 本研究は,高ダイナミックな都市運転シナリオ下での2次元および3次元の道路トポロジ情報を決定する戦略を探求し,特定することを目的とする。 この探索を容易にするために、100万近い自動ラベル付きデータフレームからなる実質的なデータセットを導入する。
• 参考スコア（独自算出の注目度）: 4.921246328739616
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This research work seeks to explore and identify strategies that can determine road topology information in 2D and 3D under highly dynamic urban driving scenarios. To facilitate this exploration, we introduce a substantial dataset comprising nearly one million automatically labeled data frames. A key contribution of our research lies in developing an automatic label-generation process and an occlusion handling strategy. This strategy is designed to model a wide range of occlusion scenarios, from mild disruptions to severe blockages. Furthermore, we present a comprehensive ablation study wherein multiple centerline detection methods are developed and evaluated. This analysis not only benchmarks the performance of various approaches but also provides valuable insights into the interpretability of these methods. Finally, we demonstrate the practicality of our methods and assess their adaptability across different sensor configurations, highlighting their versatility and relevance in real-world scenarios. Our dataset and experimental models are publicly available.
• Abstract（参考訳）: 本研究は,高ダイナミックな都市運転シナリオ下での2次元および3次元の道路トポロジ情報を決定する戦略を探求し,特定することを目的とする。 この探索を容易にするために、100万近い自動ラベル付きデータフレームからなる実質的なデータセットを導入する。 我々の研究の重要な貢献は、自動ラベル生成プロセスと閉塞処理戦略の開発である。 この戦略は、軽度の中断から厳しい封鎖に至るまで、幅広い閉塞シナリオをモデル化するように設計されている。 さらに,複数の中心線検出法を開発し評価する包括的アブレーション研究を行った。 この分析は、様々なアプローチのパフォーマンスをベンチマークするだけでなく、これらのメソッドの解釈可能性に関する貴重な洞察を提供する。 最後に,本手法の実用性を実証し,様々なセンサ構成における適応性を評価し,実世界シナリオにおける汎用性と妥当性を強調する。 私たちのデータセットと実験モデルは公開されています。

関連論文リスト

• Distribution Discrepancy and Feature Heterogeneity for Active 3D Object Detection [18.285299184361598]
  LiDARベースの3Dオブジェクト検出は、自律走行とロボット工学の発展にとって重要な技術である。 DDFH(Dis Distribution Discrepancy and Feature Heterogeneity)と呼ばれる新しい効果的なアクティブラーニング手法を提案する。 幾何学的特徴とモデル埋め込みを同時に考慮し、インスタンスレベルとフレームレベルの両方の観点から情報を評価する。
  論文  参考訳（メタデータ） (2024-09-09T08:26:11Z)
• Semi-supervised 3D Semantic Scene Completion with 2D Vision Foundation Model Guidance [11.090775523892074]
  我々は、高密度な注釈付きデータへの依存を軽減するために、新しい半教師付きフレームワークを導入する。 提案手法は2次元基礎モデルを用いて3次元シーンの幾何学的・意味的手がかりを生成する。 本手法は,10%のラベル付きデータを用いて全教師付き性能の最大85%を達成する。
  論文  参考訳（メタデータ） (2024-08-21T12:13:18Z)
• Collective Perception Datasets for Autonomous Driving: A Comprehensive Review [0.5326090003728084]
  本稿では,自律運転の文脈における集合認識データセットの包括的レビューを行う。 この研究は、すべてのデータセットの重要な基準を特定し、その強さ、弱点、異常を提示することを目的としている。
  論文  参考訳（メタデータ） (2024-05-27T09:08:55Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• Dual-Perspective Knowledge Enrichment for Semi-Supervised 3D Object Detection [55.210991151015534]
  本稿では, DPKE という新しい2次元知識豊か化手法を提案する。 我々のDPKEは、データパースペクティブと機能パースペクティブという2つの観点から、限られたトレーニングデータ、特にラベルなしデータの知識を豊かにしています。
  論文  参考訳（メタデータ） (2024-01-10T08:56:07Z)
• A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
  本稿では,DAF(Disdisrepancy Aware Framework)を提案する。 本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。 単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
  論文  参考訳（メタデータ） (2023-10-11T15:21:40Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Unsupervised Anomaly Detection via Nonlinear Manifold Learning [0.0]
  異常は、残りのデータから著しく逸脱するサンプルであり、その検出は機械学習モデルを構築する上で大きな役割を果たす。 非線形多様体学習に基づく頑健で効率的かつ解釈可能な手法を導入し,教師なし設定における異常を検出する。
  論文  参考訳（メタデータ） (2023-06-15T18:48:10Z)
• Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
  自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。 これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。 我々は、最先端の核融合法を初めてベンチマークした。
  論文  参考訳（メタデータ） (2022-05-30T09:35:37Z)
• Survey and Systematization of 3D Object Detection Models and Methods [3.472931603805115]
  2012-2021年の3次元物体検出における最近の進展を包括的に調査する。 基本概念を導入し、過去10年間に現れた幅広い異なるアプローチに焦点を当てます。 本稿では,これらの手法を今後の開発・評価・アプリケーション活動の指針として,実践的な枠組みで比較するシステム化を提案する。
  論文  参考訳（メタデータ） (2022-01-23T20:06:07Z)

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。