論文の概要: Camera Agnostic Two-Head Network for Ego-Lane Inference

• arxiv url: http://arxiv.org/abs/2404.12770v1
• Date: Fri, 19 Apr 2024 10:21:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-22 15:26:30.748571
• Title: Camera Agnostic Two-Head Network for Ego-Lane Inference
• Title（参考訳）: Ego-Lane推論のためのカメラ非依存2ヘッドネットワーク
• Authors: Chaehyeon Song, Sungho Yoon, Minhyeok Heo, Ayoung Kim, Sujung Kim,
• Abstract要約: HDマップを用いたビジョンベースのエゴレーン推論は、自律運転と高度な運転支援システムにおいて不可欠である。 本稿では,1つの画像からエゴレーン指数を直接推定することにより,学習に基づくエゴレーン推定を提案する。 モデルでは,エゴレーンを2つの視点で同時に推定する2つの頭部構造が組み込まれている。
• 参考スコア（独自算出の注目度）: 10.860063957914184
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-based ego-lane inference using High-Definition (HD) maps is essential in autonomous driving and advanced driver assistance systems. The traditional approach necessitates well-calibrated cameras, which confines variation of camera configuration, as the algorithm relies on intrinsic and extrinsic calibration. In this paper, we propose a learning-based ego-lane inference by directly estimating the ego-lane index from a single image. To enhance robust performance, our model incorporates the two-head structure inferring ego-lane in two perspectives simultaneously. Furthermore, we utilize an attention mechanism guided by vanishing point-and-line to adapt to changes in viewpoint without requiring accurate calibration. The high adaptability of our model was validated in diverse environments, devices, and camera mounting points and orientations.
• Abstract（参考訳）: ハイディフィニション(HD)マップを用いたビジョンベースのエゴレーン推論は、自律運転と高度な運転支援システムにおいて不可欠である。 従来のアプローチでは、アルゴリズムが固有のキャリブレーションと外在的なキャリブレーションに依存するため、カメラ構成のばらつきを抑える、よく校正されたカメラが必要である。 本稿では,1つの画像から,ego-laneインデックスを直接推定することで,学習に基づくego-lane推論を提案する。 頑健な性能向上のために,2つの視点でエゴレーンを推定する2つのヘッド構造を同時に組み込んだ。 さらに, 正確な校正を必要とせず, 視点の変化に適応するために, ポイント・アンド・ラインの消滅によって導かれる注意機構を利用する。 本モデルの適応性は,多様な環境,デバイス,カメラ装着点,配向で検証された。

関連論文リスト

• UniDrive: Towards Universal Driving Perception Across Camera Configurations [38.40168936403638]
  3次元認識は,3次元2次元投影に基づく2次元画像から3次元情報を推測することを目的としている。 カメラ構成をまたいだ一般化は、異なる自動車モデルに自律運転モデルをデプロイする上で重要である。 我々は、カメラ構成全体にわたって普遍的な認識を実現するために、視覚中心の自律運転のための新しいフレームワークUniDriveを提案する。
  論文  参考訳（メタデータ） (2024-10-17T17:59:59Z)
• VICAN: Very Efficient Calibration Algorithm for Large Camera Networks [49.17165360280794]
  ポースグラフ最適化手法を拡張する新しい手法を提案する。 我々は、カメラを含む二部グラフ、オブジェクトの動的進化、各ステップにおけるカメラオブジェクト間の相対変換について考察する。 我々のフレームワークは従来のPGOソルバとの互換性を維持しているが、その有効性はカスタマイズされた最適化方式の恩恵を受けている。
  論文  参考訳（メタデータ） (2024-03-25T17:47:03Z)
• Robust Self-Supervised Extrinsic Self-Calibration [25.727912226753247]
  マルチカメラによるビデオからの単眼深度推定は、環境を判断する上で有望な方法である。 本稿では,自己教師型単眼深度と自我運動学習の原理を基礎として,外因性キャリブレーションの新たな手法を提案する。
  論文  参考訳（メタデータ） (2023-08-04T06:20:20Z)
• EGA-Depth: Efficient Guided Attention for Self-Supervised Multi-Camera Depth Estimation [45.59727643007449]
  本稿では,自己監督型マルチカメラ深度推定の効率と精度を向上させる新しい注意アーキテクチャであるEGA-Depthを提案する。 それぞれのカメラに対して、そのビュービューをクエリとして、近隣のビューを相互参照して、このカメラビューに対する情報的特徴を導出する。
  論文  参考訳（メタデータ） (2023-04-06T20:50:28Z)
• Dual Adversarial Adaptation for Cross-Device Real-World Image Super-Resolution [114.26933742226115]
  異なるデバイスからの画像に基づいて訓練された超高解像度(SR)モデルは、異なる画像パターンを示す可能性がある。 本稿では、DADA(Dual Adversarial Adaptation)という、実世界のSRのための教師なしドメイン適応機構を提案する。 3台のカメラで6台のリアル・トゥ・リアル・アダプティブ・セッティングで実験を行い、既存の最先端のアプローチと比較して優れた性能を実現した。
  論文  参考訳（メタデータ） (2022-05-07T02:55:39Z)
• SurroundDepth: Entangling Surrounding Views for Self-Supervised Multi-Camera Depth Estimation [101.55622133406446]
  本研究では,複数の周囲からの情報を組み込んだSurroundDepth法を提案し,カメラ間の深度マップの予測を行う。 具体的には、周囲のすべてのビューを処理し、複数のビューから情報を効果的に融合するクロスビュー変換器を提案する。 実験において,本手法は,挑戦的なマルチカメラ深度推定データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-04-07T17:58:47Z)
• Dual-Camera Super-Resolution with Aligned Attention Modules [56.54073689003269]
  デュアルカメラ・スーパーレゾリューション(DCSR)に着目したレファレンスベース・スーパーレゾリューション(RefSR)への新しいアプローチを提案する。 提案手法は,空間アライメント操作と標準パッチベースの特徴マッチングを一般化する。 実世界の画像とトレーニング画像の領域ギャップを埋めるために,自己監督型領域適応戦略を提案する。
  論文  参考訳（メタデータ） (2021-09-03T07:17:31Z)
• Decentralized Autofocusing System with Hierarchical Agents [2.7716102039510564]
  本稿では,カメラとレンズ焦点設定をインテリジェントに制御する階層型マルチエージェント深部強化学習手法を提案する。 このアルゴリズムはカメラのストリームの潜在表現に依存しており、カメラの全く参照しないチューニングを可能にする最初の方法である。
  論文  参考訳（メタデータ） (2021-08-29T13:45:15Z)
• TransCamP: Graph Transformer for 6-DoF Camera Pose Estimation [77.09542018140823]
  本稿では、カメラ再配置問題に対処するため、グラフトランスフォーマーバックボーン、すなわちTransCamPを用いたニューラルネットワークアプローチを提案する。 TransCamPは、画像の特徴、カメラポーズ情報、フレーム間の相対的なカメラモーションを、エンコードされたグラフ属性に効果的に融合する。
  論文  参考訳（メタデータ） (2021-05-28T19:08:43Z)
• Infrastructure-based Multi-Camera Calibration using Radial Projections [117.22654577367246]
  パターンベースのキャリブレーション技術は、カメラの内在を個別にキャリブレーションするために使用することができる。 Infrastucture-based calibration techniqueはSLAMやStructure-from-Motionで事前に構築した3Dマップを用いて外部情報を推定することができる。 本稿では,インフラストラクチャベースのアプローチを用いて,マルチカメラシステムをスクラッチから完全にキャリブレーションすることを提案する。
  論文  参考訳（メタデータ） (2020-07-30T09:21:04Z)

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。