論文の概要: DuMapper: Towards Automatic Verification of Large-Scale POIs with Street Views at Baidu Maps

• arxiv url: http://arxiv.org/abs/2411.18073v1
• Date: Wed, 27 Nov 2024 05:54:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-28 15:27:26.329753
• Title: DuMapper: Towards Automatic Verification of Large-Scale POIs with Street Views at Baidu Maps
• Title（参考訳）: DuMapper:Baidu Mapsでストリートビューを備えた大規模POIの自動検証を目指す
• Authors: Miao Fan, Jizhou Huang, Haifeng Wang,
• Abstract要約: DuMapperはBaidu Mapsのマルチモーダルストリートビューデータを用いた大規模POI検証のための自動システムである。 DuMapperは、サインボードイメージと現実世界の場所の座標を入力として、低次元ベクトルを生成する。 POI検証のスループットを50ドル倍に向上させることができる。
• 参考スコア（独自算出の注目度）: 29.946592817320973
• License:
• Abstract: With the increased popularity of mobile devices, Web mapping services have become an indispensable tool in our daily lives. To provide user-satisfied services, such as location searches, the point of interest (POI) database is the fundamental infrastructure, as it archives multimodal information on billions of geographic locations closely related to people's lives, such as a shop or a bank. Therefore, verifying the correctness of a large-scale POI database is vital. To achieve this goal, many industrial companies adopt volunteered geographic information (VGI) platforms that enable thousands of crowdworkers and expert mappers to verify POIs seamlessly; but to do so, they have to spend millions of dollars every year. To save the tremendous labor costs, we devised DuMapper, an automatic system for large-scale POI verification with the multimodal street-view data at Baidu Maps. DuMapper takes the signboard image and the coordinates of a real-world place as input to generate a low-dimensional vector, which can be leveraged by ANN algorithms to conduct a more accurate search through billions of archived POIs in the database for verification within milliseconds. It can significantly increase the throughput of POI verification by $50$ times. DuMapper has already been deployed in production since \DuMPOnline, which dramatically improves the productivity and efficiency of POI verification at Baidu Maps. As of December 31, 2021, it has enacted over $405$ million iterations of POI verification within a 3.5-year period, representing an approximate workload of $800$ high-performance expert mappers.
• Abstract（参考訳）: モバイルデバイスの普及に伴い、Webマッピングサービスは私たちの日常生活に欠かせないツールになっている。 店舗や銀行など、人々の生活と密接な関係にある何十億もの地理的な場所に関するマルチモーダル情報をアーカイブするので、位置情報検索等のユーザ満足度の高いサービスにおいて、POIデータベースが基盤となる。 したがって、大規模なPOIデータベースの正確性を検証することが不可欠である。 この目標を達成するために、多くの工業企業はボランティアの地理的情報(VGI)プラットフォームを採用し、何千人ものクラウドワーカーや専門家マッパーがPOIをシームレスに検証できるようにするが、そのためには毎年何百万ドルも費やさなければならない。 作業コストを大幅に削減するため,Baidu Mapsのマルチモーダルストリートビューデータを用いた大規模POI検証システムであるDuMapperを開発した。 DuMapperは、サインボードイメージと現実世界の場所の座標を入力として、低次元ベクトルを生成する。これは、ANNアルゴリズムによって活用され、データベース内の数十億のアーカイブされたPOIを通してより正確な検索を行い、ミリ秒以内の検証を行うことができる。 POI検証のスループットを50ドル倍に向上させることができる。 DuMapperはすでにDuMPOnlineから本番環境にデプロイされており、Baidu MapsにおけるPOI検証の生産性と効率を劇的に改善している。 2021年12月31日時点で、3.5年以内に405ドル以上のPOI検証を実施しており、およそ800ドルの高性能専門家マッパーの作業量を示している。

関連論文リスト

• LDMapNet-U: An End-to-End System for City-Scale Lane-Level Map Updating [38.26911138211464]
  レーンレベルの更新は正確な変更情報を必要とし、隣接するデータとの整合性を確保する必要がある。 従来の手法では、3段階のアプローチコンストラクション、変更検出、そしてしばしば精度の制限による手動検証の更新を利用する。 都市規模レーンレベルの地図更新のための新しいエンドツーエンドパラダイムを実装したLDMapNet-Uを提案する。
  論文  参考訳（メタデータ） (2025-01-06T05:14:40Z)
• MapQaTor: A System for Efficient Annotation of Map Query Datasets [3.3856216159724983]
  MapQaTorは、再現可能でトレース可能なマップベースのQAデータセットの作成を合理化するWebアプリケーションである。 プラグインとプレイのアーキテクチャにより、MapQaTorは任意のMap APIとシームレスに統合できる。
  論文  参考訳（メタデータ） (2024-12-30T15:33:19Z)
• Map++: Towards User-Participatory Visual SLAM Systems with Efficient Map Expansion and Sharing [15.481433997371925]
  本稿では,地図作成タスクを地図利用者に委譲する参加型センシング手法を提案する。 提案手法は,利用者の集合的努力を生かし,環境が発展するにつれて地図の拡張と更新を促進させる。 我々は、プラグイン・アンド・プレイ拡張として機能する効率的なシステムであるMap++を開発した。
  論文  参考訳（メタデータ） (2024-11-04T19:35:46Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• CartoMark: a benchmark dataset for map pattern recognition and 1 map content retrieval with machine intelligence [9.652629004863364]
  我々は,地図テキストアノテーション認識,地図シーン分類,地図超解像再構成,地図スタイル転送のための大規模ベンチマークデータセットを開発した。 これらの良好なラベル付きデータセットは、マップ特徴の検出、マップパターン認識、マップコンテンツ検索を行う最先端のマシンインテリジェンス技術を促進する。
  論文  参考訳（メタデータ） (2023-12-14T01:54:38Z)
• Exploring Map-based Features for Efficient Attention-based Vehicle Motion Prediction [3.222802562733787]
  複数のエージェントの動作予測は、任意に複雑な環境において重要なタスクである。 本稿では,効率的な注意モデルを用いてArgoverse 1.0ベンチマークで競合性能を実現する方法を示す。
  論文  参考訳（メタデータ） (2022-05-25T22:38:11Z)
• 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)
• 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)
• Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
  モバイルデータ分析における多くの関心は、人間とその行動に関連している。 本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
  論文  参考訳（メタデータ） (2020-08-29T15:14:03Z)
• OpenStreetMap: Challenges and Opportunities in Machine Learning and Remote Sensing [66.23463054467653]
  本稿では,OpenStreetMapデータの改良と利用のための機械学習に基づく最近の手法について述べる。 私たちは、OSMがリモートセンシングデータの解釈方法を変え、機械学習とのシナジーが参加型マップ作成をスケールできると考えている。
  論文  参考訳（メタデータ） (2020-07-13T09:58:14Z)

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。