論文の概要: Learning Ego-Centric BEV Representations from a Perspective-Privileged View: Cross-View Supervision for Online HD Map Construction
- arxiv url: http://arxiv.org/abs/2605.12218v1
- Date: Tue, 12 May 2026 14:55:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.940832
- Title: Learning Ego-Centric BEV Representations from a Perspective-Privileged View: Cross-View Supervision for Online HD Map Construction
- Title（参考訳）: Ego-Centric BEV Representations from a Perspective-Privileged View: Cross-View Supervision for Online HD Map Construction (特集:BEV)
- Authors: Daniel Lengerer, Mathias Pechinger, Klaus Bogenberger, Carsten Markgraf,
- Abstract要約: Cross-View Supervision (CVS) は、幾何学的およびトポロジカルな事前をエゴアラインのオーバーヘッドからカメラベースのBEVエンコーダに転送する表現学習パラダイムである。
CVSは、共有されたBEV機能空間における表現を整合させ、視点に恵まれた教師からエゴ中心のバックボーンにグローバルに一貫した構造的知識を蒸留する。
AID4ADクロスビュー拡張からのエゴアラインな空中画像を用いたnuSceneの実験は、StreamMapNetよりも一貫した改善を示している。
- 参考スコア（独自算出の注目度）: 2.906734463607093
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bird's-eye-view (BEV) representations derived from multi-camera input have become a central interface for online high-definition (HD) map construction. However, most approaches rely solely on ego-centric supervision, requiring large-scale scene structure to be inferred from incomplete observations, occlusions, and diminishing information density at long range, where perspective effects and spatial sparsity hinder consistent structural reasoning. We introduce Cross-View Supervision (CVS), a representation learning paradigm that transfers geometric and topological priors from an ego-aligned overhead perspective into camera-based BEV encoders. Rather than adding auxiliary semantic losses, CVS aligns representations in a shared BEV feature space and distills globally consistent structural knowledge from a perspective-privileged teacher into the ego-centric backbone. This supervision enhances structural coherence without modifying the inference architecture or requiring overhead input at test time. Experiments on nuScenes using ego-aligned aerial imagery from the AID4AD cross-view extension demonstrate consistent improvements over StreamMapNet while maintaining identical camera-only inference. CVS yields +3.9\,mAP in the standard $60\times30\,\mathrm{m}$ region and +9.9\,mAP in the extended $100\times50\,\mathrm{m}$ setting, corresponding to a 44\% relative gain at long range. These results highlight perspective-privileged structural supervision as a promising training principle for improving BEV representation learning in HD map construction.
- Abstract（参考訳）: マルチカメラ入力から導かれるバードアイビュー(BEV)表現は,オンラインハイデフィニション(HD)マップ構築における中心的なインターフェースとなっている。
しかし、ほとんどのアプローチはエゴ中心の監督にのみ依存しており、不完全な観察、隠蔽、遠距離における情報密度の減少など、大規模なシーン構造が一貫した構造的推論を妨げている。
CVS(Cross-View Supervision、クロスビュー・スーパービジョン)は、エゴアライズされた頭上からカメラベースのBEVエンコーダへ幾何学的およびトポロジ的事前を転送する表現学習パラダイムである。
補助的な意味的損失を加えるのではなく、CVSは共有されたBEV特徴空間における表現を整列させ、視点に恵まれた教師から一貫した構造的知識をエゴ中心のバックボーンに蒸留する。
この監視は、推論アーキテクチャを変更したり、テスト時にオーバーヘッド入力を必要とせずに、構造的コヒーレンスを高める。
AID4ADクロスビュー拡張からのエゴアラインな空中画像を用いたnuSceneの実験では、同じカメラのみの推論を維持しながら、StreamMapNetに対して一貫した改善が示されている。
CVSは、標準の$60\times30\,\mathrm{m}$ regionで+3.9\,mAP、拡張された$100\times50\,\mathrm{m}$ setで+9.9\,mAPを得る。
これらの結果は、HDマップ構築におけるBEV表現学習を改善するための有望なトレーニング原則として、視点に依存しない構造的監督を強調した。
関連論文リスト
- Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。
本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。
提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
論文 参考訳（メタデータ） (2026-04-02T08:08:41Z) - MapGCLR: Geospatial Contrastive Learning of Representations for Online Vectorized HD Map Construction [44.37176678126708]
自動運転車は周囲の世界を理解するために地図情報に依存している。
よりスケーラブルな代替手段は、オンラインのHDマップ構築にある。
本研究は、ベクトル化されたオンラインHDマップ構築モデルにおいて、潜伏鳥眼ビュー(BEV)特徴グリッド表現を改善することに焦点を当てる。
我々は、単一トラバーサルラベル付きデータの縮小セットを用いて教師付き同じモデルを訓練し、マルチトラバーサル要求に従ってより広範なラベル付きデータセットに基づいて自己教師する。
論文 参考訳（メタデータ） (2026-03-11T11:58:23Z) - Visual Spatial Tuning [98.96397681943255]
視覚空間調整(VST)は視覚言語モデル(VLM)を人間に似た視覚空間能力で培養する包括的フレームワークである。
特に,基礎的な空間知識を構築するための微調整を指導し,さらに空間推論能力を向上させるための強化学習を行う。
その結果、ビジョン・ランゲージ・アクションモデルが空間的チューニングのパラダイムによって大幅に拡張され、より物理的に接地されたAIへの道が開けることが判明した。
論文 参考訳（メタデータ） (2025-11-07T18:59:16Z) - AugMapNet: Improving Spatial Latent Structure via BEV Grid Augmentation for Enhanced Vectorized Online HD Map Construction [10.651014925267859]
AugMapNetは、潜伏したBEV表現を大幅に強化する新しいテクニックである。
nuScenesとArgoverse2データセットの実験では、ベクトル化されたマップ予測性能が大幅に改善された。
遅延BEVグリッドの詳細な解析により、AugMapNetのより構造化された遅延空間が確認できる。
論文 参考訳（メタデータ） (2025-03-17T17:55:32Z) - 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) - BLOS-BEV: Navigation Map Enhanced Lane Segmentation Network, Beyond Line of Sight [30.45553559416835]
我々は,視線を超越した正確な知覚のためにSDマップを組み込んだ新しいBEVセグメンテーションモデルBLOS-BEVを提案する。
我々のアプローチは一般的なBEVアーキテクチャに適用でき、SDマップから得られる情報を組み込むことで優れた結果を得ることができる。
論文 参考訳（メタデータ） (2024-07-11T14:15:48Z) - Semi-Supervised Learning for Visual Bird's Eye View Semantic
Segmentation [16.3996408206659]
トレーニング中にラベルのない画像を活用することで性能を向上させるために,視覚的BEVセマンティックセマンティックセマンティックセマンティクスのための新しい半教師付きフレームワークを提案する。
次に、ラベルのないデータを完全に利用する一貫性損失を提案し、セマンティックな予測だけでなく、BEV機能にもモデルを制約する。
nuScenesとArgoverseデータセットの実験により、我々のフレームワークは予測精度を効果的に向上できることが示された。
論文 参考訳（メタデータ） (2023-08-28T12:23:36Z) - BEV-IO: Enhancing Bird's-Eye-View 3D Detection with Instance Occupancy [58.92659367605442]
我々は,BEV表現をインスタンス占有情報で拡張する新しい3次元検出パラダイムであるBEV-IOを提案する。
BEV-IOは、パラメータや計算オーバーヘッドの無視できる増加しか加えず、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-05-26T11:16:12Z) - SkyEye: Self-Supervised Bird's-Eye-View Semantic Mapping Using Monocular
Frontal View Images [26.34702432184092]
本研究では,前景からの単一単眼画像を用いた鳥眼図(BEV)意味マップ作成のための,最初の自己教師型アプローチを提案する。
トレーニングでは、ビデオシーケンスのより容易に利用できるFVセマンティックアノテーションを活用することで、BEVの基底真理アノテーションの必要性を克服する。
提案手法は最先端の完全教師付き手法と同等に動作し,BEVにおける直接監督の1%のみを用いて競争結果を得る。
論文 参考訳（メタデータ） (2023-02-08T18:02:09Z) - GitNet: Geometric Prior-based Transformation for Birds-Eye-View
Segmentation [105.19949897812494]
Birds-eye-view (BEV) セマンティックセマンティックセグメンテーションは自動運転に不可欠である。
本稿では,GitNetという新しい2段階のGeometry Preside-based Transformationフレームワークを提案する。
論文 参考訳（メタデータ） (2022-04-16T06:46:45Z)
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。