論文の概要: M3TR: Generalist HD Map Construction with Variable Map Priors

• arxiv url: http://arxiv.org/abs/2411.10316v1
• Date: Fri, 15 Nov 2024 16:14:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:37:25.256349
• Title: M3TR: Generalist HD Map Construction with Variable Map Priors
• Title（参考訳）: M3TR: 可変マップによる汎用HDマップの構築
• Authors: Fabian Immel, Richard Fehler, Frank Bieder, Jan-Hendrik Pauls, Christoph Stiller,
• Abstract要約: 本稿では,HDマップ構築のための一般手法であるM3TRを紹介する。 そこで本研究では,意味的に多様なマップ先行モデルを用いた最初の現実シナリオを提案する。 すべての事前シナリオにわたるトレーニングは、以前のExpertモデルと同等のパフォーマンスを持つ単一のジェネリストモデルをもたらすことを示す。
• 参考スコア（独自算出の注目度）: 6.314412580044879
• License:
• Abstract: Autonomous vehicles require road information for their operation, usually in form of HD maps. Since offline maps eventually become outdated or may only be partially available, online HD map construction methods have been proposed to infer map information from live sensor data. A key issue remains how to exploit such partial or outdated map information as a prior. We introduce M3TR (Multi-Masking Map Transformer), a generalist approach for HD map construction both with and without map priors. We address shortcomings in ground truth generation for Argoverse 2 and nuScenes and propose the first realistic scenarios with semantically diverse map priors. Examining various query designs, we use an improved method for integrating prior map elements into a HD map construction model, increasing performance by +4.3 mAP. Finally, we show that training across all prior scenarios yields a single Generalist model, whose performance is on par with previous Expert models that can handle only one specific type of map prior. M3TR thus is the first model capable of leveraging variable map priors, making it suitable for real-world deployment. Code is available at https://github.com/immel-f/m3tr
• Abstract（参考訳）: 自動運転車は、通常HDマップの形で、その運行のために道路情報を必要とする。 オフラインマップは、最終的に時代遅れになるか、部分的にしか利用できない可能性があるため、オンラインHDマップ構築法は、ライブセンサーデータからマップ情報を推測するために提案されている。 重要な問題は、そのような部分的または時代遅れのマップ情報を前もってどのように利用するかである。 我々は,M3TR (Multi-Masking Map Transformer) を導入し,M3TR (Multi-Masking Map Transformer) について述べる。 本稿では,Argoverse 2 と nuScenes の基底真理生成における欠点に対処し,意味論的に多様なマップ先行を持つ最初の現実シナリオを提案する。 各種クエリーの設計を調べた結果,事前マップ要素をHDマップ構築モデルに統合する手法が改良され,+4.3 mAPの性能が向上した。 最後に、すべての先行シナリオにわたるトレーニングは単一のジェネリストモデルをもたらし、そのパフォーマンスは以前の1つの特定の種類のマップしか扱えないExpertモデルと同等であることを示す。 したがって、M3TRは変数マップの事前利用が可能な最初のモデルであり、現実世界のデプロイメントに適している。 コードはhttps://github.com/immel-f/m3trで入手できる。

関連論文リスト

• ExelMap: Explainable Element-based HD-Map Change Detection and Update [2.79552147676281]
  本稿では,要素をベースとしたHDマップ変更検出と更新を行う新しいタスクを提案する。 ExelMapは、変更したマップ要素を具体的に識別する、説明可能な要素ベースのマップ更新戦略である。 これは、実世界のエンド・ツー・エンドの要素ベースのHDマップ変更の検出と更新に関する、初めての総合的な問題調査である。
  論文  参考訳（メタデータ） (2024-09-16T11:17:33Z)
• 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)
• P-MapNet: Far-seeing Map Generator Enhanced by both SDMap and HDMap Priors [33.73570824028748]
  提案するP-MapNetでは、P文字は、モデル性能を改善するために、マッププリエントの導入に重点を置いているという事実を強調している。 注意に基づくアーキテクチャは,SDMapスケルトンに適応的に対応し,性能を大幅に向上させる。 P-MapNetは、長い範囲でより大きな改善をもたらす、探究可能なソリューションです。
  論文  参考訳（メタデータ） (2024-03-15T17:59:53Z)
• Augmenting Lane Perception and Topology Understanding with Standard Definition Navigation Maps [51.24861159115138]
  Standard Definition (SD) マップは、より安価で、世界中でカバーでき、スケーラブルな代替手段を提供する。 本稿では,オンライン地図予測にSDマップを統合する新しいフレームワークを提案し,Transformer を用いたエンコーダ SD Map Representations を提案する。 この拡張は、現在の最先端のオンラインマップ予測手法におけるレーン検出とトポロジー予測を一貫して(最大60%まで)大幅に向上させる。
  論文  参考訳（メタデータ） (2023-11-07T15:42:22Z)
• HDMapNet: An Online HD Map Construction and Evaluation Framework [23.19001503634617]
  HDマップの構築は自動運転にとって重要な問題である。 従来のHDマップは、多くのシナリオでは信頼性の低いセンチメートルレベルの正確な位置決めと結合している。 オンライン地図学習は、自動運転車に先立って意味と幾何学を提供するための、よりスケーラブルな方法である。
  論文  参考訳（メタデータ） (2021-07-13T18:06:46Z)
• 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)
• MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
  MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。 提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
  論文  参考訳（メタデータ） (2021-01-18T00:09:30Z)
• DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
  我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。 グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。 2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
  論文  参考訳（メタデータ） (2020-12-22T21:58:57Z)
• 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)
• OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles [62.997667081978825]
  OpenREALMは無人航空機(UAV)のリアルタイムマッピングフレームワークである 異なる操作モードにより、OpenREALMは近似平面場を仮定して単純な縫合を行うことができる。 すべてのモードにおいて、結果のマップの漸進的な進捗は、地上のオペレータによってライブで見ることができる。
  論文  参考訳（メタデータ） (2020-09-22T12:28:14Z)

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。