論文の概要: SATMapTR: Satellite Image Enhanced Online HD Map Construction

• arxiv url: http://arxiv.org/abs/2512.11319v1
• Date: Fri, 12 Dec 2025 06:37:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.680537
• Title: SATMapTR: Satellite Image Enhanced Online HD Map Construction
• Title（参考訳）: SATMapTR:衛星画像強化オンラインHDマップの構築
• Authors: Bingyuan Huang, Guanyi Zhao, Qian Xu, Yang Lou, Yung-Hui Li, Jianping Wang,
• Abstract要約: ハイデフィニション(HD)マップは、事前アノテーションからリアルタイムな構築へと進化し、多様なシナリオにおける自動運転のサポートを改善している。 近年の取り組みは衛星画像を補助的な入力として導入し、限られたエゴ視点を補完する安定した広域ビューを提供してきた。 衛星画像を2つのキーコンポーネントに効果的に融合する新しいオンライン地図構築モデルSATMapTRを提案する。
• 参考スコア（独自算出の注目度）: 11.506320277209745
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-definition (HD) maps are evolving from pre-annotated to real-time construction to better support autonomous driving in diverse scenarios. However, this process is hindered by low-quality input data caused by onboard sensors limited capability and frequent occlusions, leading to incomplete, noisy, or missing data, and thus reduced mapping accuracy and robustness. Recent efforts have introduced satellite images as auxiliary input, offering a stable, wide-area view to complement the limited ego perspective. However, satellite images in Bird's Eye View are often degraded by shadows and occlusions from vegetation and buildings. Prior methods using basic feature extraction and fusion remain ineffective. To address these challenges, we propose SATMapTR, a novel online map construction model that effectively fuses satellite image through two key components: (1) a gated feature refinement module that adaptively filters satellite image features by integrating high-level semantics with low-level structural cues to extract high signal-to-noise ratio map-relevant representations; and (2) a geometry-aware fusion module that consistently fuse satellite and BEV features at a grid-to-grid level, minimizing interference from irrelevant regions and low-quality inputs. Experimental results on the nuScenes dataset show that SATMapTR achieves the highest mean average precision (mAP) of 73.8, outperforming state-of-the-art satellite-enhanced models by up to 14.2 mAP. It also shows lower mAP degradation under adverse weather and sensor failures, and achieves nearly 3 times higher mAP at extended perception ranges.
• Abstract（参考訳）: ハイデフィニション(HD)マップは、事前アノテーションからリアルタイムな構築へと進化し、多様なシナリオにおける自動運転のサポートを改善している。 しかし、このプロセスはオンボードセンサーによる低品質な入力データによって妨げられるため、不完全、ノイズ、または欠落データとなり、マッピング精度と堅牢性が低下する。 近年の取り組みは衛星画像を補助的な入力として導入し、限られたエゴ視点を補完する安定した広域ビューを提供してきた。 しかし、バードアイビューの衛星画像は、しばしば植生や建物からの影や隠蔽によって劣化する。 基本的特徴抽出と融合を用いた以前の方法は依然として有効ではない。 これらの課題に対処するため,SATMapTR は,衛星画像を効果的に融合する新しいオンライン地図構築モデルである。(1) 衛星画像の特徴を適応的にフィルタする,高レベルの意味と低レベルの構造的手がかりを統合して高信号-雑音比マップ関連表現を抽出する機能強化モジュール,(2) グリッド・グリッドレベルで衛星とBEVの機能を一貫して融合し,無関係領域と低品質入力からの干渉を最小限にする幾何学的融合モジュールである。 nuScenesデータセットの実験結果から、SATMapTRは73.8の平均精度(mAP)を最大14.2mAPで達成している。 また、悪天候やセンサーの故障下でのmAPの低下も見られ、知覚範囲の延長で約3倍のmAPを達成できる。

関連論文リスト

• SU-ESRGAN: Semantic and Uncertainty-Aware ESRGAN for Super-Resolution of Satellite and Drone Imagery with Fine-Tuning for Cross Domain Evaluation [0.0]
  GAN(Generative Adversarial Networks)は、画像の現実的な超解像(SR)を実現しているが、セマンティック一貫性と画素ごとの信頼性は欠如している。 本稿では,衛星画像にESRGANを統合するための最初のSRフレームワークであるSemantic and Uncertainty-Aware ESRGAN(SU-ESRGAN)を紹介する。 この新モデルは、広視野視野カメラ(FoV)を使用した衛星システムやUAVにおいて、カバー範囲の空間分解能のトレードオフとして有用である。
  論文  参考訳（メタデータ） (2025-08-01T16:25:21Z)
• 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)
• SA-Occ: Satellite-Assisted 3D Occupancy Prediction in Real World [19.190830406660826]
  衛星支援型3次元占有予測モデルSA-Occを提案する。 歴史的だが容易に利用できる衛星画像とリアルタイムの応用を統合している。 最先端のパフォーマンス、特に単一フレームのメソッドで実現します。
  論文  参考訳（メタデータ） (2025-03-20T17:54:29Z)
• Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
  確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。 ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
  論文  参考訳（メタデータ） (2023-08-31T16:26:17Z)
• Complementing Onboard Sensors with Satellite Map: A New Perspective for HD Map Construction [31.0701760075554]
  高精細(HD)マップは自律運転システムにおいて重要な役割を担っている。 近年,車載センサを用いてHDマップをリアルタイムに構築する手法が提案されている。 搭載センサーを補完する衛星地図を用いて,HDマップ構築を促進する新しい視点を探索する。
  論文  参考訳（メタデータ） (2023-08-29T16:33:16Z)
• Energy-Based Models for Cross-Modal Localization using Convolutional Transformers [52.27061799824835]
  GPSのない衛星画像に対して、距離センサを搭載した地上車両を位置決めする新しい枠組みを提案する。 本稿では, 畳み込み変換器を用いて, 高精度な計量レベルの局所化を行う手法を提案する。 我々は、エンドツーエンドでモデルをトレーニングし、KITTI、Pandaset、カスタムデータセットの最先端技術よりも高い精度でアプローチを実証する。
  論文  参考訳（メタデータ） (2023-06-06T21:27:08Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。