Fugu-MT 論文翻訳(概要): ImagineMap: Enhanced HD Map Construction with SD Maps

論文の概要: ImagineMap: Enhanced HD Map Construction with SD Maps

arxiv url: http://arxiv.org/abs/2412.16938v1
Date: Sun, 22 Dec 2024 09:17:08 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-24 15:58:19.607729
Title: ImagineMap: Enhanced HD Map Construction with SD Maps
Title（参考訳）: ImagineMap:SDマップによるHDマップ構築の強化
Authors: Yishen Ji, Zhiqi Li, Tong Lu,
Abstract要約: Track Maplessは、マルチビューイメージと標準定義(SD)マップを処理するモデルを要求する。本稿では,車線やエリア検出性能を改善するために,SDマップを事前統合した新しいアーキテクチャを提案する。
参考スコア（独自算出の注目度）: 21.531885790611376
License:
Abstract: Track Mapless demands models to process multi-view images and Standard-Definition (SD) maps, outputting lane and traffic element perceptions along with their topological relationships. We propose a novel architecture that integrates SD map priors to improve lane line and area detection performance. Inspired by TopoMLP, our model employs a two-stage structure: perception and reasoning. The downstream topology head uses the output from the upstream detection head, meaning accuracy improvements in detection significantly boost downstream performance.
Abstract（参考訳）: トラックマップレスは、マルチビューイメージと標準決定(SD)マップの処理をモデルに要求し、レーンとトラフィック要素の認識をトポロジ的関係とともに出力する。本稿では,車線やエリア検出性能を改善するために,SDマップを事前統合した新しいアーキテクチャを提案する。 TopoMLPにインスパイアされた私たちのモデルは、知覚と推論という2段階の構造を採用しています。下流トポロジーヘッドは上流検出ヘッドからの出力を使用し、検出精度の向上により下流性能が著しく向上する。

関連論文リスト

TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
論文参考訳（メタデータ） (2024-11-22T06:13:42Z)
Enhancing Online Road Network Perception and Reasoning with Standard Definition Maps [14.535963852751635]
我々は,オンラインベクトル化HDマップ表現の開発において,軽量でスケーラブルな事前規格定義(SD)マップを活用することに注力する。重要な発見は、SDマップエンコーダがモデル非依存であり、鳥の目視(BEV)エンコーダを利用する新しいアーキテクチャに迅速に適応できることである。この結果から,オンライン地図作成タスクの先行作業としてSDマップを使用すると,コンバージェンスが大幅に向上し,オンラインセンターライン認識タスクの性能が30%向上する可能性が示唆された。
論文参考訳（メタデータ） (2024-08-01T19:39:55Z)
DiffMap: Enhancing Map Segmentation with Map Prior Using Diffusion Model [15.803614800117781]
DiffMapは,マップセグメンテーションマスクの構造をモデル化する新しい手法である。この手法を取り入れることで,既存のセマンティックセグメンテーション手法の性能を大幅に向上させることができる。本モデルは,実世界の地図レイアウトをより正確に反映した結果を生成する上で,優れた習熟度を示す。
論文参考訳（メタデータ） (2024-05-03T11:16:27Z)
ADMap: Anti-disturbance framework for reconstructing online vectorized HD map [9.218463154577616]
本稿では, 反ゆらぎマップ再構築フレームワーク (ADMap) を提案する。点次ジッタを緩和するため、このフレームワークは、マルチスケール知覚ネック、インスタンスインタラクティブアテンション(IIA)、ベクトル方向差損失(VDDL)の3つのモジュールで構成されている。
論文参考訳（メタデータ） (2024-01-24T01:37:27Z)
Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity Monocular Dense Mapping [51.739466714312805]
ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
論文参考訳（メタデータ） (2024-01-06T12:32:25Z)
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)
Online Map Vectorization for Autonomous Driving: A Rasterization Perspective [58.71769343511168]
より優れた感度を有し,現実の自律運転シナリオに適した,新化に基づく評価指標を提案する。また、精度の高い出力に微分可能化を適用し、HDマップの幾何学的監視を行う新しいフレームワークであるMapVR(Map Vectorization via Rasterization)を提案する。
論文参考訳（メタデータ） (2023-06-18T08:51:14Z)
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)
CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文参考訳（メタデータ） (2021-06-20T08:20:56Z)

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。