論文の概要: A Concise Survey on Lane Topology Reasoning for HD Mapping

• arxiv url: http://arxiv.org/abs/2504.01989v1
• Date: Mon, 31 Mar 2025 11:30:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-04 12:55:25.069811
• Title: A Concise Survey on Lane Topology Reasoning for HD Mapping
• Title（参考訳）: HDマッピングのためのレーントポロジー推論に関する簡潔な調査
• Authors: Yi Yao, Miao Fan, Shengtong Xu, Haoyi Xiong, Xiangzeng Liu, Wenbo Hu, Wenbing Huang,
• Abstract要約: レーントポロジ推論技術はハイデフィニション(HD)マッピングや自律運転アプリケーションにおいて重要な役割を担っている。 近年、この分野で重要な進歩が見られたが、これらを包括的にまとめる努力は限られている。 本研究は,レーントポロジー推論手法の進化と現状を体系的にレビューする。
• 参考スコア（独自算出の注目度）: 30.73664953504888
• License:
• Abstract: Lane topology reasoning techniques play a crucial role in high-definition (HD) mapping and autonomous driving applications. While recent years have witnessed significant advances in this field, there has been limited effort to consolidate these works into a comprehensive overview. This survey systematically reviews the evolution and current state of lane topology reasoning methods, categorizing them into three major paradigms: procedural modeling-based methods, aerial imagery-based methods, and onboard sensors-based methods. We analyze the progression from early rule-based approaches to modern learning-based solutions utilizing transformers, graph neural networks (GNNs), and other deep learning architectures. The paper examines standardized evaluation metrics, including road-level measures (APLS and TLTS score), and lane-level metrics (DET and TOP score), along with performance comparisons on benchmark datasets such as OpenLane-V2. We identify key technical challenges, including dataset availability and model efficiency, and outline promising directions for future research. This comprehensive review provides researchers and practitioners with insights into the theoretical frameworks, practical implementations, and emerging trends in lane topology reasoning for HD mapping applications.
• Abstract（参考訳）: レーントポロジ推論技術はハイデフィニション(HD)マッピングや自律運転アプリケーションにおいて重要な役割を担っている。 近年、この分野で重要な進歩が見られたが、これらを包括的にまとめる努力は限られている。 本研究は,レーントポロジ推論手法の進化と現状を体系的にレビューし,これらを手続き的モデリング法,空中画像法,搭載センサ法という3つの主要なパラダイムに分類した。 我々は、トランスフォーマー、グラフニューラルネットワーク(GNN)、その他のディープラーニングアーキテクチャを利用した、初期のルールベースアプローチから現代的な学習ベースソリューションへの進展を分析する。 本稿では,ロードレベル尺度(APLS,TLTS,DET,TOP)や,OpenLane-V2などのベンチマークデータセットのパフォーマンス比較など,標準化された評価指標について検討する。 データセットの可用性やモデルの効率など、重要な技術的課題を特定し、今後の研究に向けた有望な方向性を概説する。 この総合的なレビューは、研究者や実践者に、HDマッピングアプリケーションのためのレーントポロジ推論における理論的フレームワーク、実践的実装、および新たなトレンドに関する洞察を提供する。

関連論文リスト

• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Unifying Lane-Level Traffic Prediction from a Graph Structural Perspective: Benchmark and Baseline [21.37853568400125]
  本稿では,レーンレベルの交通予測における既存研究を幅広く分析し,分類する。 グラフ構造と予測ネットワークに基づくシンプルなベースラインモデルであるGraphMLPを導入している。 既存の研究では公開されていないコードを複製し、有効性、効率、適用性の観点から様々なモデルを評価しました。
  論文  参考訳（メタデータ） (2024-03-22T04:21:40Z)
• Physics-informed Generalizable Wireless Channel Modeling with Segmentation and Deep Learning: Fundamentals, Methodologies, and Challenges [26.133092114053472]
  チャネルモデリングにおけるPINNに基づくアプローチは、一般化可能性、解釈可能性、堅牢性などの有望な特性を示す。 セマンティックセグメンテーションとディープラーニングを用いた屋内チャネルの正確な予測に関する最近の研究事例について述べる。
  論文  参考訳（メタデータ） (2024-01-02T16:56:13Z)
• A Survey on Few-Shot Class-Incremental Learning [11.68962265057818]
  FSCIL(Few-shot class-incremental Learning)は、ディープニューラルネットワークが新しいタスクを学習する上で重要な課題である。 本稿では, FSCILに関する包括的調査を行う。 FSCILはコンピュータビジョンの様々な分野で大きな成果を上げている。
  論文  参考訳（メタデータ） (2023-04-17T10:15:08Z)
• Guided Depth Map Super-resolution: A Survey [88.54731860957804]
  誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。 近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。 この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
  論文  参考訳（メタデータ） (2023-02-19T15:43:54Z)
• Deep Depth Completion: A Survey [26.09557446012222]
  我々は、読者が研究動向をよりよく把握し、現在の進歩を明確に理解するのに役立つ総合的な文献レビューを提供する。 ネットワークアーキテクチャ,損失関数,ベンチマークデータセット,学習戦略の設計面から,関連する研究について検討する。 室内および屋外のデータセットを含む,広く使用されている2つのベンチマークデータセットに対して,モデル性能の定量的比較を行った。
  論文  参考訳（メタデータ） (2022-05-11T08:24:00Z)
• Weakly Supervised Object Localization and Detection: A Survey [145.5041117184952]
  オブジェクトのローカライゼーションと検出は、新しい世代のコンピュータビジョンシステムを開発する上で重要な役割を果たす。 本稿では,(1)古典的モデル,(2)既成の深層ネットワークの特徴表現を用いたアプローチ,(3)ディープラーニングのみに基づくアプローチ,(4)この分野で広く利用されている公開データセットと標準評価指標についてレビューする。 この分野における重要な課題、この分野の開発履歴、各カテゴリーの手法の利点/欠点、異なるカテゴリーの方法間の関係、弱い監督対象のローカリゼーションおよび検出方法の適用、およびこの研究分野の開発をさらに促進するための潜在的な将来の方向性について議論します。
  論文  参考訳（メタデータ） (2021-04-16T06:44:50Z)
• A Survey on Deep Semi-supervised Learning [51.26862262550445]
  まず,既存の手法を分類した深層半指導学習の分類法を提案する。 次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
  論文  参考訳（メタデータ） (2021-02-28T16:22:58Z)
• Model-Based Deep Learning [155.063817656602]
  信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。 ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。 私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
  論文  参考訳（メタデータ） (2020-12-15T16:29:49Z)

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。