Synthesizing Traffic Datasets using Graph Neural Networks

要約

都市部の交通渋滞は重大な課題を引き起こしており、高度道路交通システム (ITS) は自動化された適応制御によってこれらの課題に対処しようと努めてきました。
ただし、これらのシステムは、シミュレートされたエクスペリエンスを現実世界のシナリオに移すのに苦労することがよくあります。
この論文では、2D 交通シミュレーションと記録されたジャンクション映像からフォトリアリスティックな画像を作成することで、この「シムとリアル」のギャップを埋めるための新しい方法論を紹介します。
我々は、条件付き敵対的生成ネットワークとグラフ ニューラル ネットワーク (GNN) を統合して、現実的な都市交通画像の作成を容易にする、新しい画像生成アプローチを提案します。
私たちは、局所性データを保存するために、セグメント化された画像とともにさまざまな抽象化レベルで情報を処理する GNN の能力を利用します。
提示されたアーキテクチャは、SPADE および Graph ATtention (GAT) ネットワーク モデルの力を活用して、シミュレートされた交通シナリオに基づいてイメージを作成します。
これらの画像は、エンティティの位置、色、時刻などの要因によって条件付けされます。
私たちのアプローチの独自性は、グラフとしてエンコードされた構造化された人間が判読可能な状態を現実的な画像に効果的に変換できることにあります。
この進歩は、データ増強から都市交通ソリューションに至るまで、豊富な交通画像データセットを必要とするアプリケーションに貢献します。
さらに、さまざまなエンティティの位置を手動で定義した画像の生成など、モデルの機能をテストするアプリケーションも提供します。

要約(オリジナル)

Traffic congestion in urban areas presents significant challenges, and Intelligent Transportation Systems (ITS) have sought to address these via automated and adaptive controls. However, these systems often struggle to transfer simulated experiences to real-world scenarios. This paper introduces a novel methodology for bridging this `sim-real’ gap by creating photorealistic images from 2D traffic simulations and recorded junction footage. We propose a novel image generation approach, integrating a Conditional Generative Adversarial Network with a Graph Neural Network (GNN) to facilitate the creation of realistic urban traffic images. We harness GNNs’ ability to process information at different levels of abstraction alongside segmented images for preserving locality data. The presented architecture leverages the power of SPADE and Graph ATtention (GAT) network models to create images based on simulated traffic scenarios. These images are conditioned by factors such as entity positions, colors, and time of day. The uniqueness of our approach lies in its ability to effectively translate structured and human-readable conditions, encoded as graphs, into realistic images. This advancement contributes to applications requiring rich traffic image datasets, from data augmentation to urban traffic solutions. We further provide an application to test the model’s capabilities, including generating images with manually defined positions for various entities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google