MV-Map: Offboard HD-Map Generation with Multi-view Consistency

要約

鳥瞰図（BEV）知覚モデルは、より少ない人手で高精細地図（HD-Map）を構築するのに有用ですが、その結果はしばしば信頼性に欠け、異なる視点からの予測HD-Mapに顕著な矛盾が見られます。これは、BEVの知覚が一般的に「オンボード」方式で設定されているため、計算が制限され、その結果、アルゴリズムが複数のビューを同時に推論することができないためである。本論文では、これらの制限を克服し、HD-Mapがデータセンターでオフラインで構築された一般的に再利用可能なインフラであるという事実に基づいて、計算の制約を取り除くより実用的な「オフボード」HD-Map生成セットアップを提唱します。この目的のために、我々はMV-Mapと呼ばれる新しいオフボードパイプラインを提案する。これは、マルチビューの一貫性を利用し、「地域中心」フレームワークという重要な設計で任意の数のフレームを扱うことができる。MV-Mapでは、「不確実性ネットワーク」によって割り当てられた信頼性スコアによって重み付けされたオンボード予測のすべてのフレームを集約することによって、ターゲットHD-Mapが作成されます。マルチビューの一貫性をさらに高めるために、ボクセル化ニューラル・ラディエンス・フィールド（Voxel-NeRF）によって最適化されたグローバルな3D構造で不確実性ネットワークを補強します。nuScenesを用いた広範な実験により、我々のMV-MapがHD-Mapの品質を大幅に向上させることが示され、HD-Map生成におけるオフボード手法の重要性がさらに強調されました。

要約(オリジナル)

While bird’s-eye-view (BEV) perception models can be useful for building high-definition maps (HD-Maps) with less human labor, their results are often unreliable and demonstrate noticeable inconsistencies in the predicted HD-Maps from different viewpoints. This is because BEV perception is typically set up in an ‘onboard’ manner, which restricts the computation and consequently prevents algorithms from reasoning multiple views simultaneously. This paper overcomes these limitations and advocates a more practical ‘offboard’ HD-Map generation setup that removes the computation constraints, based on the fact that HD-Maps are commonly reusable infrastructures built offline in data centers. To this end, we propose a novel offboard pipeline called MV-Map that capitalizes multi-view consistency and can handle an arbitrary number of frames with the key design of a ‘region-centric’ framework. In MV-Map, the target HD-Maps are created by aggregating all the frames of onboard predictions, weighted by the confidence scores assigned by an ‘uncertainty network’. To further enhance multi-view consistency, we augment the uncertainty network with the global 3D structure optimized by a voxelized neural radiance field (Voxel-NeRF). Extensive experiments on nuScenes show that our MV-Map significantly improves the quality of HD-Maps, further highlighting the importance of offboard methods for HD-Map generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL