論文の概要: Beyond Chamfer Distance: Granular Order-aware Evaluation Metric For Online Mapping
- arxiv url: http://arxiv.org/abs/2605.22578v1
- Date: Thu, 21 May 2026 14:51:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 20:14:18.589406
- Title: Beyond Chamfer Distance: Granular Order-aware Evaluation Metric For Online Mapping
- Title（参考訳）: チャンファー距離を超えて: オンラインマッピングのための粒状オーダー対応評価指標
- Authors: Chouaib Bencheikh Lehocine, Adam Lilja, Junsheng Fu, Lars Hammarstrand,
- Abstract要約: State-of-the-art (SOTA) 法は一般に、ポリラインとポリゴンを形成する点の順序列としてマップ要素を予測する。
このフレームワークは点オーダーに対する感度が欠如しており、幾何学的品質の評価において限定的な粒度を提供する。
SOSPA(Sequence optimal sub-pattern assignment)は、個々のジオメトリのきめ細かい評価を可能にするオーダーアウェアメトリックである。
- 参考スコア（独自算出の注目度）: 9.868903360882262
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online map estimation is a crucial component of autonomous driving systems that reduces the reliance on costly high-definition maps. State-of-the-art (SOTA) methods commonly predict map elements as ordered sequences of points that form polylines and polygons. The evaluation of these methods relies predominantly on mean average precision (mAP) based on thresholded Chamfer distance (CD). This framework lacks sensitivity to point ordering and provides limited granularity in assessing geometric quality, making it difficult to distinguish which methods truly excel over others. In this work, we address these limitations on two fronts. For the single-instance similarity measure, we introduce sequence optimal sub-pattern assignment (SOSPA), an order-aware metric that enables fine-grained evaluation of individual geometries while satisfying all metric axioms. For the multi-instance evaluation framework, we propose polyline localisation and detection (PLD), a soft metric that jointly captures detection quality and geometric accuracy, replacing the hard thresholding of mAP with a principled soft assignment. Through evaluations on nuScenes, we demonstrate that PLD effectively ranks SOTA online mapping methods (MapTRv2, StreamMapNet, MapTracker) while providing a decomposed error analysis. This analysis identifies detection capability as the dominant bottleneck in current methods, revealing a performance trend that mAP fails to capture. Code for evaluation using our metrics will be released.
- Abstract（参考訳）: オンラインマップ推定は、コストの高い高解像度マップへの依存を減らす自律運転システムにおいて重要な要素である。
State-of-the-art (SOTA) 法は一般に、ポリラインとポリゴンを形成する点の順序列としてマップ要素を予測する。
これらの手法の評価は, しきい値付きチャンファー距離 (CD) に基づく平均精度 (mAP) に大きく依存する。
このフレームワークは点オーダーに対する感度が欠如しており、幾何学的品質を評価する上で限られた粒度を提供しており、どのメソッドが本当に他よりも優れているかを区別することは困難である。
この研究では、これらの制限を2つの面で解決する。
単一インスタンスの類似度測定には,全てのパラメータを満足しながら個々のジオメトリをきめ細かな評価が可能な順序対応計量であるシーケンス最適サブパターン割り当て(SOSPA)を導入する。
マルチインスタンス評価フレームワークとして,検出品質と幾何学的精度を両立させるソフトメトリックであるポリラインの局所化と検出(PLD)を提案する。
nuScenesの評価を通じて、PSDは分解エラー解析を行いながら、SOTAオンラインマッピング手法(MapTRv2、StreamMapNet、MapTracker)を効果的にランク付けすることを示した。
この分析は、検出能力が現在の手法における主要なボトルネックであると認識し、mAPがキャプチャーに失敗するパフォーマンストレンドを明らかにする。
メトリクスを使用した評価のためのコードもリリースされます。
関連論文リスト
- Failure Modes for Deep Learning-Based Online Mapping: How to Measure and Address Them [10.503307305047487]
本稿では、入力特徴の記憶と、既知の地図測地への過度な適合の2つの効果を解消して、基礎となる障害モードを特定し、測定するフレームワークを提案する。
しきい値調整なしで要素単位の形状の忠実度をキャプチャするフレシェ距離に基づく再構成統計を導入する。
MSTに基づくスペーシフィケーション戦略を定式化し、冗長性を低減し、トレーニングサイズを縮小しながらバランスと性能を向上させる。
論文 参考訳（メタデータ） (2026-03-20T11:09:11Z) - MS-ISSM: Objective Quality Assessment of Point Clouds Using Multi-scale Implicit Structural Similarity [65.85858856481131]
点雲の非構造的で不規則な性質は、客観的品質評価(PCQA)に重大な課題をもたらす
マルチスケールインシシシット構造類似度測定(MS-ISSM)を提案する。
論文 参考訳（メタデータ） (2026-01-03T14:58:52Z) - Robust Nearest Neighbour Retrieval Using Targeted Manifold Manipulation [0.0]
最近傍の検索は、分類と説明可能なAIパイプラインの中心である。
特徴多様体の指定された領域に各サンプルをどの程度容易に適用できるかを評価することによって,検索を再現するTMM-NNを提案する。
TMM-NNは軽量でクエリ固有のトリガパッチを通じてこれを実装している。
論文 参考訳（メタデータ） (2025-11-09T07:37:05Z) - Piecewise-Linear Manifolds for Deep Metric Learning [8.670873561640903]
教師なしの深度学習は、ラベルなしデータのみを使用して意味表現空間を学習することに焦点を当てる。
本稿では,各低次元線形片が点の小さな近傍でデータ多様体を近似して高次元データ多様体をモデル化することを提案する。
我々は、この類似度推定が、現在の最先端技術の類似度推定よりも基礎的真理と相関していることを実証的に示す。
論文 参考訳（メタデータ） (2024-03-22T06:22:20Z) - Rethinking Counting and Localization in Crowds:A Purely Point-Based
Framework [59.578339075658995]
そこで本稿では,共同クラウドカウントと個別ローカライゼーションのための純粋にポイントベースのフレームワークを提案する。
我々は、P2PNet(Point to Point Network)と呼ばれる、このフレームワークの下で直感的なソリューションを設計する。
論文 参考訳（メタデータ） (2021-07-27T11:41:50Z) - Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。
DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文 参考訳（メタデータ） (2021-06-14T17:19:44Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳（メタデータ） (2020-07-20T12:07:48Z) - Rethinking Localization Map: Towards Accurate Object Perception with
Self-Enhancement Maps [78.2581910688094]
本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。
特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
論文 参考訳（メタデータ） (2020-06-09T12:35:55Z) - Learning Flat Latent Manifolds with VAEs [16.725880610265378]
本稿では、ユークリッド計量がデータポイント間の類似性のプロキシとなる変分自動エンコーダのフレームワークの拡張を提案する。
我々は、変分オートエンコーダで一般的に使用されるコンパクトな以前のものを、最近発表されたより表現力のある階層型に置き換える。
提案手法は,ビデオ追跡ベンチマークを含む,さまざまなデータセットを用いて評価する。
論文 参考訳（メタデータ） (2020-02-12T09:54:52Z) - CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。
複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。
探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
論文 参考訳（メタデータ） (2020-01-08T17:37:01Z)
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。