論文の概要: Mapping like a Skeptic: Probabilistic BEV Projection for Online HD Mapping

• arxiv url: http://arxiv.org/abs/2508.21689v1
• Date: Fri, 29 Aug 2025 14:55:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:11.087618
• Title: Mapping like a Skeptic: Probabilistic BEV Projection for Online HD Mapping
• Title（参考訳）: 懐疑的なマッピング:オンラインHDマッピングのための確率論的BEVプロジェクション
• Authors: Fatih Erdoğan, Merve Rabia Barın, Fatma Güney,
• Abstract要約: HDマッピングのアプローチは、アテンションベースのマッピングのような標準的なマッピングテクニックへのプロジェクションをアウトソースする。 私たちのキーとなるアイデアは、カメラパラメータに基づいた幾何学的マッピングから始めて、シーンに適応して関連する地図情報を抽出することです。 nuScenesとArgoverse2データセットの新たな分割に関する実験は、最先端のアプローチよりもパフォーマンスが向上したことを示している。
• 参考スコア（独自算出の注目度）: 9.016750201407897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constructing high-definition (HD) maps from sensory input requires accurately mapping the road elements in image space to the Bird's Eye View (BEV) space. The precision of this mapping directly impacts the quality of the final vectorized HD map. Existing HD mapping approaches outsource the projection to standard mapping techniques, such as attention-based ones. However, these methods struggle with accuracy due to generalization problems, often hallucinating non-existent road elements. Our key idea is to start with a geometric mapping based on camera parameters and adapt it to the scene to extract relevant map information from camera images. To implement this, we propose a novel probabilistic projection mechanism with confidence scores to (i) refine the mapping to better align with the scene and (ii) filter out irrelevant elements that should not influence HD map generation. In addition, we improve temporal processing by using confidence scores to selectively accumulate reliable information over time. Experiments on new splits of the nuScenes and Argoverse2 datasets demonstrate improved performance over state-of-the-art approaches, indicating better generalization. The improvements are particularly pronounced on nuScenes and in the challenging long perception range. Our code and model checkpoints are available at https://github.com/Fatih-Erdogan/mapping-like-skeptic .
• Abstract（参考訳）: 高精細度(HD)マップを感覚入力から構築するには、画像空間内の道路要素を正確にバードアイビュー(BEV)空間にマッピングする必要がある。 このマッピングの精度は、最終ベクトル化HDマップの品質に直接影響する。 既存のHDマッピングアプローチは、アテンションベースのマッピングのような標準的なマッピング技術へのプロジェクションをアウトソースする。 しかし、これらの手法は一般化問題による精度に苦慮し、しばしば存在しない道路要素を幻覚させる。 私たちのキーとなるアイデアは、カメラパラメータに基づいた幾何学的マッピングから始めて、シーンに適応して、カメライメージから関連するマップ情報を抽出することです。 これを実現するために,信頼度スコアを持つ新しい確率予測機構を提案する。 (i)マッピングを洗練して、シーンとの整合性を良くし、 (II)HDマップ生成に影響を及ぼさない無関係な要素をフィルタリングする。 さらに、信頼スコアを用いて時間とともに信頼できる情報を選択的に蓄積することで、時間的処理を改善する。 nuScenesとArgoverse2データセットの新たな分割に関する実験は、最先端のアプローチよりもパフォーマンスが向上し、より一般化されたことを示している。 改善は特にnuScenesや挑戦的な長い知覚範囲で顕著である。 私たちのコードとモデルチェックポイントはhttps://github.com/Fatih-Erdogan/mapping-like-skeptic で公開されています。

関連論文リスト

• MapFM: Foundation Model-Driven HD Mapping with Multi-Task Contextual Learning [0.0]
  自律運転においては、鳥眼ビュー(BEV)におけるHDマップと意味マップは正確な位置決め、計画、意思決定に不可欠である。 本稿では,オンラインベクトル化HDマップ生成のためのMapFMと呼ばれる拡張エンド・ツー・エンドモデルを提案する。
  論文  参考訳（メタデータ） (2025-06-18T09:42:30Z)
• Revisiting Depth Representations for Feed-Forward 3D Gaussian Splatting [57.43483622778394]
  本稿では,事前学習した変圧器によって予測される点マップに基づく新しい正規化損失PM-Lossを紹介する。 改良された深度マップにより,様々なアーキテクチャやシーンのフィードフォワード3DGSを大幅に改善する。
  論文  参考訳（メタデータ） (2025-06-05T17:58:23Z)
• 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 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)
• A Vision-Centric Approach for Static Map Element Annotation [9.905900964784564]
  本稿では、一貫性マップと精度のためのビジョン中心のアプローチであるCAMAを提案する。 提案するフレームワークは,LiDAR入力がなければ,静的マップ要素の高品質な3Dアノテーションを生成することができる。 提案するフレームワークを一般的なnuScenesデータセットに適用して,効率的かつ高精度なアノテーションを提供する。
  論文  参考訳（メタデータ） (2023-09-21T03:30:00Z)
• 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)
• 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)
• 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)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)

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。