論文の概要: ReSMap: Recasting Satellite Priors for Robust and Accurate Online HD Map Construction
- arxiv url: http://arxiv.org/abs/2611.04352v1
- Date: Tue, 03 Nov 2026 05:37:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-10 01:54:45.866194
- Title: ReSMap: Recasting Satellite Priors for Robust and Accurate Online HD Map Construction
- Title（参考訳）: ReSMap:ロバストで正確なオンラインHDマップ構築のための衛星のリキャスト
- Abstract要約: 本稿では,堅牢なオンラインHDマップ構築のための冗長性対応カメラサテライト融合フレームワークを提案する。
本フレームワークは,サテライトイメージを補完源として用いて,カメラ故障に対するロバスト性を向上させる。
本モデルでは,すべてのスプリットおよびレンジ設定のnuScene上での最先端のパフォーマンスを実現する。
- 参考スコア（独自算出の注目度）: 9.4918255243882
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite recent advances in camera-based online HD map construction, these systems remain susceptible to sensor failures due to their reliance on onboard cameras. In contrast, satellite images remain available independently of real-time sensing conditions as they are cached offline. Existing methods utilizing satellite images, however, primarily leverage them under nominal conditions, without explicitly addressing them as redundancy when a sensor degrades. To address this gap, we propose ReSMap, a redundancy-aware camera-satellite fusion framework for robust online HD map construction. Our framework explicitly leverages satellite images as a complementary source to improve robustness against camera failures. A Predict-then-Fuse (PTF) module fuses camera and satellite BEV features by using each branch's own prediction confidence as a per-pixel reliability weight, with no learned router. An Object-Centric Cooperative Multi-modal Query (OCMQ) decoder then extends this per-modality separation to the query level: each modality cross-attends only to its own BEV, and per-modality updates are merged through a learned per-token gate. Our model achieves state-of-the-art performance on nuScenes across all splits and range settings. More importantly, it also sets the new state-of-the-art under camera-failure scenarios, demonstrating that satellite images serve not only as a strong prior but as practical redundancy for robust online HD mapping.
- Abstract（参考訳）: 近年、カメラベースのオンラインHDマップの構築が進んでいるにもかかわらず、これらのシステムは搭載カメラに依存しているため、センサーの故障の影響を受けやすいままである。
対照的に、衛星画像はオフラインでキャッシュされるため、リアルタイムセンシング条件とは独立して利用することができる。
しかし、既存の衛星画像を利用した手法では、センサーが劣化した場合の冗長性に明示的に対処することなく、主に名目上の条件下でそれらを活用している。
このギャップに対処するため、オンラインHDマップ構築のための冗長性を考慮したカメラ・サテライト融合フレームワークReSMapを提案する。
本フレームワークは,サテライトイメージを補完源として用いて,カメラ故障に対するロバスト性を向上させる。
Predict-then-Fuse (PTF)モジュールは、各ブランチの予測信頼性を1ピクセルあたりの信頼性ウェイトとして使用することにより、カメラと衛星のBEV機能を融合する。
Object-Centric Cooperative Multi-modal Query (OCMQ) デコーダは、このモードごとの分離をクエリレベルまで拡張する。
本モデルでは,すべてのスプリットおよびレンジ設定のnuScene上での最先端のパフォーマンスを実現する。
さらに重要なことは、新しい最先端のカメラ障害シナリオを設定し、衛星画像が強力な先行技術として機能するだけでなく、堅牢なオンラインHDマッピングの実用的冗長性として機能することを実証している。
関連論文リスト
- Robostral Navigate [138.74472687550374]
Robostral Navigateは、大規模なナビゲーションシステムのための視覚言語モデルである。
モノラルなRGB画像のストリームのみを消費し、現在のカメラビューの次のターゲット位置を指して、ウェイポイントを予測する。
我々は、実世界のデータ収集への依存を減らすため、350kのシミュレートされたシーンに240万のトラジェクトリを生成します。
論文 参考訳（メタデータ） (2026-07-22T23:13:05Z) - Leveraging Previous-Traversal Point Cloud Map Priors for Camera-Based 3D Object Detection and Tracking [15.914966195454403]
我々はDualViewMapDetを提案する。DualViewMapDetはカメラのみの推論フレームワークで、オンラインでマップの先行情報を検索する。
鍵となるアイデアは、片側ビュー変換を避けるデュアルスペースカメラマップ融合戦略である。
コードと事前トレーニングされたモデルはhttps://dualviewmapdet.cs.uni-freiburg.deで公開しています。
論文 参考訳（メタデータ） (2026-04-28T09:16:44Z) - SatMap: Revisiting Satellite Maps as Prior for Online HD Map Construction [0.3265773263570237]
衛星地図と多視点カメラの観測を統合するオンラインベクトル化HDマップ推定手法であるSatMapを提案する。
本手法は,バードアイビュー(BEV)から見た衛星画像からのレーンレベルのセマンティクスとテクスチャをグローバルな先行画像として活用する。
nuScenesデータセットの実験では、SatMapはカメラのみのベースラインよりも34.8%のmAPパフォーマンス向上を達成した。
論文 参考訳（メタデータ） (2026-01-15T15:39:27Z) - SATMapTR: Satellite Image Enhanced Online HD Map Construction [11.506320277209745]
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。
論文 参考訳（メタデータ） (2025-12-12T06:37:20Z) - Augmenting Lane Perception and Topology Understanding with Standard
Definition Navigation Maps [51.24861159115138]
Standard Definition (SD) マップは、より安価で、世界中でカバーでき、スケーラブルな代替手段を提供する。
本稿では,オンライン地図予測にSDマップを統合する新しいフレームワークを提案し,Transformer を用いたエンコーダ SD Map Representations を提案する。
この拡張は、現在の最先端のオンラインマップ予測手法におけるレーン検出とトポロジー予測を一貫して(最大60%まで)大幅に向上させる。
論文 参考訳（メタデータ） (2023-11-07T15:42:22Z) - 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) - CVLNet: Cross-View Semantic Correspondence Learning for Video-based
Camera Localization [89.69214577915959]
本稿では,クロスビューカメラのローカライゼーション問題に対処する。
本稿では、類似性マッチングの前に、問合せカメラの衛星画像に対する相対変位を推定する。
実験は、単一の画像に基づく位置決めよりもビデオベースの位置決めの有効性を実証した。
論文 参考訳（メタデータ） (2022-08-07T07:35:17Z) - Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。
本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
論文 参考訳（メタデータ） (2022-07-27T13:16:39Z) - Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization
Using Satellite Image [91.29546868637911]
本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。
鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。
標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
論文 参考訳（メタデータ） (2022-04-10T19:16:58Z)
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。