論文の概要: TopoHR: Hierarchical Centerline Representation for Cyclic Topology Reasoning in Driving Scenes with Point-to-Instance Relations

• arxiv url: http://arxiv.org/abs/2604.24119v1
• Date: Mon, 27 Apr 2026 07:13:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.78563
• Title: TopoHR: Hierarchical Centerline Representation for Cyclic Topology Reasoning in Driving Scenes with Point-to-Instance Relations
• Title（参考訳）: TopoHR: ポイント・ツー・ケース関係を持つ運転場面における周期的トポロジ推論のための階層的中心表現
• Authors: Yifeng Bai, Zhirong Chen, Erkang Cheng, Haibin Ling,
• Abstract要約: トポロジー推論は自動運転に不可欠である。 中心線検出とトポロジー推論の循環的相互作用を確立する新しいエンドツーエンドフレームワークであるTopoHRを提案する。 具体的には、ポイントクエリ、クエリ、セマンティック表現を含む階層的な中心表現を導入する。 我々は、細粒度P2I関係とグローバルインスタンス・ツー・インスタンス(I2I)接続の両方をキャプチャする階層的トポロジ推論モジュールを設計する。
• 参考スコア（独自算出の注目度）: 44.98766307877796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Topology reasoning is crucial for autonomous driving. Current methods primarily focus on instance-level learning for centerline detection, followed by a sequential module for topology reasoning that relies on simplified MLP layers. Moreover, they often neglect the importance of \textit{point-to-instance} (P2I) relationships in topology reasoning. To address these limitations, we present TopoHR (Topological Hierarchical Representation), a novel end-to-end framework that establishes cyclic interaction between centerline detection and topology reasoning, allowing them to iteratively enhance each other. Specifically, we introduce a hierarchical centerline representation including point queries, instance queries, and semantic representations. These multi-level features are seamlessly integrated and fused within a hierarchical centerline decoder. Furthermore, we design a hierarchical topology reasoning module that captures both fine-grained P2I relationships and global instance-to-instance (I2I) connections within a unified architecture. With these novel components, TopoHR ensures accurate and robust topology reasoning. On the OpenLane-V2 benchmark, TopoHR refreshes state-of-the-art performance with significant improvements. Notably, compared with previous best results, TopoHR achieves +3.8 in $\mathrm{DET}_{\text{l}}$, +5.4 in $\mathrm{TOP}_{\text{ll}}$ on $\text{subset_A}$ and +11.0 in $\mathrm{DET}_{\text{l}}$, +7.9 in $\mathrm{TOP}_{\text{ll}}$ on $\text{subset_B}$, validating the effectiveness of the proposed components. The code will be shared publicly at https://github.com/Yifeng-Bai/TopoHR.git.
• Abstract（参考訳）: トポロジー推論は自動運転に不可欠である。 現在の手法は主に中心線検出のためのインスタンスレベルの学習に重点を置いており、続いて単純化されたMLP層に依存するトポロジ推論のためのシーケンシャルモジュールが続く。 さらに、トポロジー推論における「textit{point-to-instance}」(P2I)関係の重要性を無視することが多い。 これらの制約に対処するために,中心線検出とトポロジ推論の循環的相互作用を確立する新しいエンドツーエンドフレームワークであるTopoHR(Topological Hierarchical Representation, トポロジカル表現)を提案する。 具体的には、ポイントクエリ、インスタンスクエリ、セマンティック表現を含む階層的なセンターライン表現を導入する。 これらのマルチレベル機能はシームレスに統合され、階層的なセンターラインデコーダに融合される。 さらに, 階層型トポロジ推論モジュールを設計し, 粒度の細かいP2I関係とグローバルインスタンス・ツー・インスタンス(I2I)接続を統一アーキテクチャ内で捉える。 これらの新しいコンポーネントにより、TopoHRは正確で堅牢なトポロジー推論を保証する。 OpenLane-V2ベンチマークでは、TopoHRは最先端のパフォーマンスを大幅に改善した。 注目すべきなのは、TopoHRが以前のベストな結果と比較すると、+3.8 in $\mathrm{DET}_{\text{l}}$, +5.4 in $\mathrm{TOP}_{\text{ll}}$ on $\text{subset_A}$と+11.0 in $\mathrm{DET}_{\text{l}}$, +7.9 in $\mathrm{TOP}_{\text{ll}}$ on $\text{subset_B}$である。 コードはhttps://github.com/Yifeng-Bai/TopoHR.git.comで公開される。

関連論文リスト

• A Tight Expressivity Hierarchy for GNN-Based Entity Resolution in Master Data Management [2.4366811507669115]
  型付き実体属性グラフ上での4つの理論分離理論を証明する。 各述語について、我々は厳密な境界を証明し、必要な適応を欠く全てのMPNNによって証明不可能なグラフペアを構築する。 実践者は、より単純なアーキテクチャが機能しないことを保証するため、最も安価な適応セットを選択できる。
  論文  参考訳（メタデータ） (2026-03-28T06:38:03Z)
• INHerit-SG: Incremental Hierarchical Semantic Scene Graphs with RAG-Style Retrieval [32.38739911399099]
  INHerit-SGは、複雑な環境で解釈可能な人間の意図的推論をサポートするセマンティックなシーングラフである。 イベントトリガーマップ更新メカニズムは、意味のあるセマンティックイベントが発生した場合にのみグラフを再編成する。 この明示的な解釈可能性により、複雑な検索の成功率と信頼性が向上し、システムはより広範なヒューマンインタラクションタスクに適応できる。
  論文  参考訳（メタデータ） (2026-02-13T14:45:55Z)
• FedTopo: Topology-Informed Representation Alignment in Federated Learning under Non-I.I.D. Conditions [35.0734004020033]
  FedTopo - Topological-Guided Block Screening (TGBS)とTopological Embedding (TE)を統合するフレームワーク Fashion-MNIST、CIFAR-10、CIFAR-100の4つの非I.D.パーティションによる実験は、FedTopoが収束を加速し、強いベースラインよりも精度を向上させることを示している。
  論文  参考訳（メタデータ） (2025-11-16T14:40:58Z)
• Fine-Grained Representation for Lane Topology Reasoning [9.999635859285341]
  微粒レーントポロジー推論フレームワーク(TopoFG)を提案する。 鳥眼ビュー(Bird's-eye-view, BEV)機能から, きめ細かいクエリによるトポロジー予測に分解する。 OLSは48.0でサブセットAは48.0、サブセットBは45.4である。
  論文  参考訳（メタデータ） (2025-11-16T13:24:30Z)
• Rethinking Reward Models for Multi-Domain Test-Time Scaling [91.76069784586149]
  従来の作業では、プロセス報酬モデル(PRM)が最終回答のみを評価する結果報酬モデル(ORM)を上回っていると仮定しています。 14の異なる領域にまたがる4つの報酬モデル変種を統一的に評価する。 LLMの自動ラベル付けからラベルノイズを継承し,長い推論軌跡の評価に難渋するPRM方式の段階的スコアリングが原因と考えられる。
  論文  参考訳（メタデータ） (2025-10-01T04:21:14Z)
• OverLoCK: An Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels [50.42092879252807]
  We present OverLoCK, the first pure ConvNet backbone architecture which include a top-down attention mechanism。 トップダウンアテンションのパワーを完全に解き放つために,コンテクスト混合動的畳み込み(ContMix)を提案する。
  論文  参考訳（メタデータ） (2025-02-27T13:45:15Z)
• Deep Regression Representation Learning with Topology [57.203857643599875]
  回帰表現の有効性は,そのトポロジによってどのように影響されるかを検討する。 本稿では,特徴空間の内在次元と位相を対象空間と一致させる正則化器PH-Regを紹介する。 合成および実世界の回帰タスクの実験はPH-Regの利点を示している。
  論文  参考訳（メタデータ） (2024-04-22T06:28:41Z)
• Joint Entity and Relation Extraction with Span Pruning and Hypergraph Neural Networks [58.43972540643903]
  PLマーカ(最先端マーカーベースピプレリンモデル)上に構築されたEREのためのHyperGraphニューラルネットワーク(hgnn$)を提案する。 エラーの伝播を軽減するため,NERモジュールからのエンティティ識別とラベル付けの負担をモデルのジョイントモジュールに転送するために,ハイリコールプルーナー機構を用いる。 EREタスクに広く使用されている3つのベンチマークの実験は、以前の最先端のPLマーカーよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2023-10-26T08:36:39Z)
• Unsupervised Semantic Segmentation by Distilling Feature Correspondences [94.73675308961944]
  教師なしセマンティックセグメンテーション(unsupervised semantic segmentation)は、アノテーションなしで画像コーパス内の意味論的意味のあるカテゴリを発見し、ローカライズすることを目的としている。 STEGOは、教師なし特徴を高品質な個別のセマンティックラベルに蒸留する新しいフレームワークである。 STEGOは、CocoStuffとCityscapesの両課題において、先行技術よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2022-03-16T06:08:47Z)

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。