論文の概要: Sparse Laneformer

• arxiv url: http://arxiv.org/abs/2404.07821v1
• Date: Thu, 11 Apr 2024 15:00:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-12 13:30:32.046918
• Title: Sparse Laneformer
• Title（参考訳）: スパースレーンフォーマー
• Authors: Ji Liu, Zifeng Zhang, Mingjie Lu, Hongyang Wei, Dong Li, Yile Xie, Jinzhang Peng, Lu Tian, Ashish Sirasao, Emad Barsoum,
• Abstract要約: スパースアンカー機構に基づく変圧器を用いた車線検出フレームワークを提案する。 我々は、従来の明示的なアンカーの代わりに、位置対応レーンクエリとアングルクエリを備えたスパースアンカーを生成する。 提案手法はSparse Laneformerと呼ばれ,実装が容易でエンドツーエンドのトレーニングが可能である。
• 参考スコア（独自算出の注目度）: 14.198478706372995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lane detection is a fundamental task in autonomous driving, and has achieved great progress as deep learning emerges. Previous anchor-based methods often design dense anchors, which highly depend on the training dataset and remain fixed during inference. We analyze that dense anchors are not necessary for lane detection, and propose a transformer-based lane detection framework based on a sparse anchor mechanism. To this end, we generate sparse anchors with position-aware lane queries and angle queries instead of traditional explicit anchors. We adopt Horizontal Perceptual Attention (HPA) to aggregate the lane features along the horizontal direction, and adopt Lane-Angle Cross Attention (LACA) to perform interactions between lane queries and angle queries. We also propose Lane Perceptual Attention (LPA) based on deformable cross attention to further refine the lane predictions. Our method, named Sparse Laneformer, is easy-to-implement and end-to-end trainable. Extensive experiments demonstrate that Sparse Laneformer performs favorably against the state-of-the-art methods, e.g., surpassing Laneformer by 3.0% F1 score and O2SFormer by 0.7% F1 score with fewer MACs on CULane with the same ResNet-34 backbone.
• Abstract（参考訳）: レーン検出は自動運転の基本課題であり、ディープラーニングが出現するにつれて大きな進歩を遂げた。 従来のアンカーベースの手法は、トレーニングデータセットに大きく依存し、推論中に固定される密集型アンカーを設計することが多い。 レーン検出に高密度アンカーは必要ないことを解析し,スパースアンカー機構に基づく変圧器を用いたレーン検出フレームワークを提案する。 この目的のために、従来の明示的なアンカーの代わりに、位置対応レーンクエリと角度クエリを備えたスパースアンカーを生成する。 我々は水平方向に沿ってレーンの特徴を集約するために水平知覚注意(HPA)を採用し、レーン-角度交差注意(LACA)を採用してレーンクエリと角度クエリ間の相互作用を行う。 また、変形可能な横断的注意に基づく車線知覚注意(LPA)を提案し、車線予測をさらに洗練させる。 提案手法はSparse Laneformerと呼ばれ,実装が容易でエンドツーエンドのトレーニングが可能である。 Sparse Laneformerは最先端の手法、例えばLaneformerを3.0%F1スコアで上回り、O2SFormerを0.7%F1スコアで上回り、同じResNet-34バックボーンを持つCULane上のMACは少ない。

関連論文リスト

• LDTR: Transformer-based Lane Detection with Anchor-chain Representation [11.184960972042406]
  限定的あるいは非視覚的な車線検出シナリオは、自動走行において依然として困難で不可欠である。 これらの問題に対処するためのトランスモデルであるLDTRを提案する。 実験により、LDTRはよく知られたデータセット上で最先端の性能を達成することが示された。
  論文  参考訳（メタデータ） (2024-03-21T12:29:26Z)
• Sketch and Refine: Towards Fast and Accurate Lane Detection [69.63287721343907]
  レーン検出は、現実世界のシナリオの複雑さのため、困難なタスクである。 提案ベースであれキーポイントベースであれ,既存のアプローチでは,車線を効果的かつ効率的に表現することができない。 本稿では,キーポイント法と提案法の両方のメリットを活かした"Sketch-and-Refine"パラダイムを提案する。 実験の結果、我々のSRLaneは高速(278 FPS)で走ることができ、F1スコアは78.9%であることがわかった。
  論文  参考訳（メタデータ） (2024-01-26T09:28:14Z)
• Decoupling the Curve Modeling and Pavement Regression for Lane Detection [67.22629246312283]
  曲線に基づく車線表現は多くの車線検出法で一般的な手法である。 本稿では,曲線モデルと地上高さ回帰という2つの部分に分解することで,車線検出タスクに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-19T11:24:14Z)
• CLRerNet: Improving Confidence of Lane Detection with LaneIoU [3.2489082010225485]
  我々は,既存の行ベース検出器の予測において,正しい車線位置がすでに存在することを示す。 局所的な車線角を考慮に入れた上で、距離と相関関係が良くなるLaneIoUを提案する。 そこで我々は,LaneIoUを特徴とするCLRerNetという新しい検出器を開発した。
  論文  参考訳（メタデータ） (2023-05-15T05:59:35Z)
• RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
  本稿では,リレーチェーン予測に基づく車線検出手法を提案する。 当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
  論文  参考訳（メタデータ） (2022-07-19T16:48:39Z)
• A Keypoint-based Global Association Network for Lane Detection [47.93323407661912]
  レーン検出は、レーンラインの複雑なトポロジー形状を予測し、異なる種類のレーンを同時に区別する必要がある、困難なタスクである。 新しい視点からレーン検出問題を定式化するためのグローバルアソシエーションネットワーク(GANet)を提案する。 F1スコアはCULaneが79.63%、Tusimpleデータセットが97.71%、高いFPSが97.71%である。
  論文  参考訳（メタデータ） (2022-04-15T05:24:04Z)
• Laneformer: Object-aware Row-Column Transformers for Lane Detection [96.62919884511287]
  Laneformerは、自動運転における車線検出に適したトランスフォーマーベースのアーキテクチャである。 様々な視覚タスクにおけるトランスフォーマーエンコーダ・デコーダアーキテクチャの最近の進歩に触発されて、我々は新しいエンドツーエンドのLaneformerアーキテクチャの設計を進める。
  論文  参考訳（メタデータ） (2022-03-18T10:14:35Z)
• CurveLane-NAS: Unifying Lane-Sensitive Architecture Search and Adaptive Point Blending [102.98909328368481]
  CurveLane-NASは、レーンに敏感なアーキテクチャ検索フレームワークである。 長距離コヒーレントと正確な短距離曲線情報の両方をキャプチャする。 点ブレンディングによる曲線線予測において、アーキテクチャ探索と後処理の両方を統一する。
  論文  参考訳（メタデータ） (2020-07-23T17:23:26Z)

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。