Synth It Like KITTI: Synthetic Data Generation for Object Detection in Driving Scenarios

要約

自律運転システムを進める上で重要な要素はシミュレーションです。
しかし、仮想世界と現実の世界の間には、移動性にはかなり小さな進歩があります。
Lidar Point Cloudsでの3Dオブジェクト検出のこの問題を再検討し、Carlaシミュレーターに基づいてデータセット生成パイプラインを提案します。
ドメインランダム化戦略と慎重なモデリングを利用して、合成データでオブジェクト検出器をトレーニングし、Kittiデータセットに強力な一般化機能を実証することができます。
さらに、さまざまな仮想センサーバリアントを比較して、洞察を収集します。センサー属性は、一般的なドメインギャップに責任を負います。
最後に、実際のデータのごく一部で微調整すると、ベースラインとほぼ一致し、完全なトレーニングセットがわずかに上回ります。

要約(オリジナル)

An important factor in advancing autonomous driving systems is simulation. Yet, there is rather small progress for transferability between the virtual and real world. We revisit this problem for 3D object detection on LiDAR point clouds and propose a dataset generation pipeline based on the CARLA simulator. Utilizing domain randomization strategies and careful modeling, we are able to train an object detector on the synthetic data and demonstrate strong generalization capabilities to the KITTI dataset. Furthermore, we compare different virtual sensor variants to gather insights, which sensor attributes can be responsible for the prevalent domain gap. Finally, fine-tuning with a small portion of real data almost matches the baseline and with the full training set slightly surpasses it.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google