論文の概要: UniMapGen: A Generative Framework for Large-Scale Map Construction from Multi-modal Data
- arxiv url: http://arxiv.org/abs/2509.22262v1
- Date: Fri, 26 Sep 2025 12:26:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-29 20:57:54.416388
- Title: UniMapGen: A Generative Framework for Large-Scale Map Construction from Multi-modal Data
- Title（参考訳）: UniMapGen: マルチモーダルデータによる大規模マップ構築のための生成フレームワーク
- Authors: Yujian Yuan, Changjie Wu, Xinyuan Chang, Sijin Wang, Hang Zhang, Shiyi Liang, Shuang Zeng, Mu Xu,
- Abstract要約: 本稿では,大規模な地図構築のための新しい生成フレームワークUniMapGenを提案する。
UniMapGenは、車線を textbfdiscrete シーケンスとして表現し、より完全で滑らかなマップベクトルを生成する反復戦略を確立する。
UniMapGenはOpenSatMapデータセット上で最先端のパフォーマンスを達成する。
- 参考スコア（独自算出の注目度）: 9.404042291400069
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large-scale map construction is foundational for critical applications such as autonomous driving and navigation systems. Traditional large-scale map construction approaches mainly rely on costly and inefficient special data collection vehicles and labor-intensive annotation processes. While existing satellite-based methods have demonstrated promising potential in enhancing the efficiency and coverage of map construction, they exhibit two major limitations: (1) inherent drawbacks of satellite data (e.g., occlusions, outdatedness) and (2) inefficient vectorization from perception-based methods, resulting in discontinuous and rough roads that require extensive post-processing. This paper presents a novel generative framework, UniMapGen, for large-scale map construction, offering three key innovations: (1) representing lane lines as \textbf{discrete sequence} and establishing an iterative strategy to generate more complete and smooth map vectors than traditional perception-based methods. (2) proposing a flexible architecture that supports \textbf{multi-modal} inputs, enabling dynamic selection among BEV, PV, and text prompt, to overcome the drawbacks of satellite data. (3) developing a \textbf{state update} strategy for global continuity and consistency of the constructed large-scale map. UniMapGen achieves state-of-the-art performance on the OpenSatMap dataset. Furthermore, UniMapGen can infer occluded roads and predict roads missing from dataset annotations. Our code will be released.
- Abstract（参考訳）: 大規模な地図構築は、自律運転やナビゲーションシステムといった重要な応用に基礎を置いている。
従来の大規模な地図構築アプローチは、主にコストが高く非効率な特別なデータ収集車両と労働集約的なアノテーションプロセスに依存している。
既存の衛星ベースの手法は、地図構築の効率性とカバレッジを高める有望な可能性を実証しているが、(1)衛星データの固有の欠点(例えば、オクルージョン、時代遅れ)と(2)知覚に基づく手法による非効率なベクトル化(英語版)の2つの大きな限界が示されており、その結果、広範囲な後処理を必要とする不連続かつ荒い道路が生じる。
本稿では, 大規模地図構築のための新しい生成フレームワークUniMapGenを提案し, 1) レーンラインを \textbf{discrete sequence} として表現し, 従来の知覚に基づく手法よりも完全でスムーズな地図ベクトルを生成するための反復戦略を確立する。
2) <textbf{multi-modal}入力をサポートする柔軟なアーキテクチャを提案し,BEV,PV,テキストプロンプト間の動的選択を可能にし,衛星データの欠点を克服する。
(3) 構築された大規模地図のグローバルな連続性と一貫性のための \textbf{state update} 戦略の開発。
UniMapGenはOpenSatMapデータセット上で最先端のパフォーマンスを達成する。
さらに、UniMapGenは、隠された道路を推測し、データセットアノテーションに欠けている道路を予測することができる。
私たちのコードは解放されます。
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) - Uni-PrevPredMap: Extending PrevPredMap to a Unified Framework of Prior-Informed Modeling for Online Vectorized HD Map Construction [9.166949877822807]
我々は、以前の予測を統合し、古いHDマップをシミュレートした、統合された事前インフォームドフレームワークUni-PrevPredMapを提案する。
Uni-PrevPredMapは、確立されたオンラインベクトル化HDマップ構築ベンチマーク間で、マップ依存シナリオにおける最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-04-09T07:36:17Z) - Bridging Scales in Map Generation: A scale-aware cascaded generative mapping framework for seamless and consistent multi-scale cartographic representation [2.414525855161937]
マルチスケールタイルマップは地理情報サービスに不可欠であり、測量と地図の基本的な成果となる。
現在のアプローチでは、動的マルチスケール生成と地図一般化原理の不十分な統合とタイルワイズ生成による空間的不連続の2つの根本的な課題に直面している。
本研究では,条件付き誘導拡散とマルチスケールカスケードアーキテクチャを利用するスケール対応地図生成フレームワーク(SCGM)を提案する。
論文 参考訳（メタデータ） (2025-02-07T15:11:31Z) - 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) - OpenSatMap: A Fine-grained High-resolution Satellite Dataset for Large-scale Map Construction [65.4151284975348]
OpenSatMapは、大規模マップ構築のための細粒度で高解像度の衛星データセットである。
データセットの公開とメンテナンスにより、衛星ベースのマップ構築と、自律運転のような下流タスクのための高品質なベンチマークを提供する。
論文 参考訳（メタデータ） (2024-10-30T17:56:02Z) - 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) - GenMapping: Unleashing the Potential of Inverse Perspective Mapping for Robust Online HD Map Construction [20.1127163541618]
我々はGenMappingというユニバーサルマップ生成フレームワークを設計した。
このフレームワークは、主および二重補助枝を含む三進的なシナジーアーキテクチャで構築されている。
実験結果の網羅的な配列から,提案手法はセマンティックマッピングとベクトル化マッピングの両方において最先端の手法を超越し,高速な推論速度を維持した。
論文 参考訳（メタデータ） (2024-09-13T10:15:28Z) - 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) - DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。
グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。
2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
論文 参考訳（メタデータ） (2020-12-22T21:58:57Z)
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。