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
- UniMODE: Unified Monocular 3D Object Detection [76.77182583753051]
我々は,鳥眼視(BEV)検出パラダイムに基づく検出器を構築した。
本稿では,この課題に起因する収束不安定性に対応するために,不均一なBEVグリッド設計を提案する。
統一検出器UniMODEが導出され、挑戦的なOmni3Dデータセットの先行技術を上回る。
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) - UDTIRI: An Online Open-Source Intelligent Road Inspection Benchmark
Suite [21.565438268381467]
このベンチマークスイートで公開された最初のオンラインコンペである道路穴検出タスクを紹介します。
我々のベンチマークは、最先端のオブジェクト検出、セマンティックセグメンテーション、インスタンスセグメンテーションネットワークの体系的かつ徹底的な評価を提供する。
多様な道路条件をより包括的に理解したアルゴリズムを提供することで、未解決の可能性を解き明かそうとしている。
論文 参考訳(メタデータ) (2023-04-18T09:13:52Z) - 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) - Towards High Performance Human Keypoint Detection [87.1034745775229]
文脈情報は人体構成や見えないキーポイントを推論する上で重要な役割を担っている。
そこで我々は,空間とチャネルのコンテキスト情報を効率的に統合するカスケードコンテキストミキサー(CCM)を提案する。
CCMの表現能力を最大化するために、我々は、強陰性な人検出マイニング戦略と共同訓練戦略を開発する。
検出精度を向上させるために,キーポイント予測を後処理するためのいくつかのサブピクセル改良手法を提案する。
論文 参考訳(メタデータ) (2020-02-03T02:24:51Z)
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。