論文の概要: Bridging the Gap Between Sparsity and Redundancy: A Dual-Decoding Framework with Global Context for Map Inference

• arxiv url: http://arxiv.org/abs/2509.11731v1
• Date: Mon, 15 Sep 2025 09:31:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.222121
• Title: Bridging the Gap Between Sparsity and Redundancy: A Dual-Decoding Framework with Global Context for Map Inference
• Title（参考訳）: 疎さと冗長性のギャップを埋める: マップ推論のためのグローバルコンテキストを持つデュアルデコードフレームワーク
• Authors: Yudong Shen, Wenyu Wu, Jiali Mao, Yixiao Tong, Guoping Liu, Chaoya Wang,
• Abstract要約: 我々は,グローバルなコンテキスト認識を備えたデュアルデコードフレームワークであるDGMapを提案する。 グローバルな意味コンテキストと局所幾何学的特徴を統合することで、DGMapはキーポイント検出精度を向上させる。 Global Context-Aware Relation Prediction Moduleは、高密度軌道領域における偽接続を抑制する。
• 参考スコア（独自算出の注目度）: 1.6891753537675143
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Trajectory data has become a key resource for automated map in-ference due to its low cost, broad coverage, and continuous availability. However, uneven trajectory density often leads to frag-mented roads in sparse areas and redundant segments in dense regions, posing significant challenges for existing methods. To address these issues, we propose DGMap, a dual-decoding framework with global context awareness, featuring Multi-scale Grid Encoding, Mask-enhanced Keypoint Extraction, and Global Context-aware Relation Prediction. By integrating global semantic context with local geometric features, DGMap improves keypoint detection accuracy to reduce road fragmentation in sparse-trajectory areas. Additionally, the Global Context-aware Relation Prediction module suppresses false connections in dense-trajectory regions by modeling long-range trajectory patterns. Experimental results on three real-world datasets show that DGMap outperforms state-of-the-art methods by 5% in APLS, with notable performance gains on trajectory data from the Didi Chuxing platform
• Abstract（参考訳）: トラジェクトリデータは、低コスト、広範なカバレッジ、継続的な可用性のために、自動マップ推論のための重要なリソースになっている。 しかし、不均質な軌跡密度は、希薄な地域や密集地域の余分な部分の断片化を招き、既存の手法に重大な課題を生んでいる。 これらの問題に対処するために,マルチスケールグリッド符号化,マスク強調キーポイント抽出,グローバルコンテキスト認識関係予測を特徴とする,グローバルコンテキスト認識のデュアルデコーディングフレームワークであるDGMapを提案する。 グローバルな意味コンテキストを局所的な幾何学的特徴と統合することにより、DGMapはキーポイント検出精度を改善し、スパース軌道領域における道路の断片化を低減する。 さらに,Global Context-Aware Relation Predictionモジュールは,長距離軌道パターンをモデル化することにより,高密度軌道領域における偽接続を抑制する。 3つの実世界のデータセットによる実験結果から、DGMapはAPLSの最先端手法を5%上回り、Didi Chuxingプラットフォームからの軌道データに顕著な性能向上を示した。

関連論文リスト

• EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
  制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。 また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。 CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
  論文  参考訳（メタデータ） (2025-04-28T02:41:12Z)
• General algorithm of assigning raster features to vector maps at any resolution or scale [18.09674055911759]
  本稿では,都市地図における特徴量(大気汚染物質の濃度)をベクトル成分(エッジで表される道路)に割り当てるアルゴリズムを提案する。 我々は、グラフベースの汚染分析を行うため、1692都市の道路に正確なPM$_2.5$とNO$_2$の濃度を割り当てることを実証した。
  論文  参考訳（メタデータ） (2024-07-15T10:24:00Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
  本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。 特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。 マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
  論文  参考訳（メタデータ） (2023-08-03T17:59:04Z)
• TC-Net: Triple Context Network for Automated Stroke Lesion Segmentation [0.5482532589225552]
  本稿では,空間的コンテキスト情報を中心として,新たなネットワークである Triple Context Network (TC-Net) を提案する。 我々のネットワークはオープンデータセットATLASで評価され、最高スコアは0.594、ハウスドルフ距離は27.005mm、平均対称性表面距離は7.137mmである。
  論文  参考訳（メタデータ） (2022-02-28T11:12:16Z)
• Saliency Detection via Global Context Enhanced Feature Fusion and Edge Weighted Loss [6.112591965159383]
  本研究では,コンテキスト融合デコーダネットワーク(CFDN)と近縁重み付き損失(NEWLoss)関数を提案する。 CFDNは、グローバルコンテキスト情報を統合し、不要な空間情報の影響を抑えることにより、正確な唾液マップを作成する。 NewLossは、オブジェクト境界上の重み写像を生成することによって、追加モジュールなしで曖昧な境界の学習を加速する。
  論文  参考訳（メタデータ） (2021-10-13T08:04:55Z)
• Focus on Local: Detecting Lane Marker from Bottom Up via Key Point [10.617793053931964]
  本研究では,局所パターンのモデル化とグローバルな構造予測に焦点をあてた新しいレーンマーカー検出ソリューションFOLOLaneを提案する。 具体的には、CNNは2つの異なる頭部を持つ低複雑局所パターンをモデル化し、第1は鍵点の存在を予測し、第2は局所範囲における鍵点の位置を洗練し、同じレーン線の鍵点を相関させる。
  論文  参考訳（メタデータ） (2021-05-28T08:59:14Z)

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。