InteractionMap: Improving Online Vectorized HDMap Construction with Interaction

要約

ベクトル化された高解像度（HD）マップは、自律運転システムに不可欠です。
最近、最先端のマップベクトル化メソッドは、主にHDマップをエンドツーエンドの方法で生成するDETRのようなフレームワークに基づいています。
この論文では、インタラクションマップを提案します。これは、時間と空間の両方でローカル間情報の相互作用を完全に活用することにより、以前のマップベクトル化方法を改善します。
第一に、マップ要素には強い形状の前提条件が含まれているため、ポイントレベルからインスタンスレベルまでの明示的な位置関係により、デトルのような検出器の強化を探ります。
第二に、キーフレームベースの階層的時間的融合モジュールを提案します。これは、ローカルからグローバルに時間情報を相互作用します。
最後に、個別の分類分岐と回帰分岐は、出力分布の不整合の問題につながります。
最適化における新しい幾何学的認識分類損失と、ラベル割り当ての幾何学的なマッチングコストを導入することにより、セマンティック情報と幾何学的情報と相互作用します。
InteractionMapは、NuscenesとArgoverse2の両方のベンチマークで最先端のパフォーマンスを実現します。

要約(オリジナル)

Vectorized high-definition (HD) maps are essential for an autonomous driving system. Recently, state-of-the-art map vectorization methods are mainly based on DETR-like framework to generate HD maps in an end-to-end manner. In this paper, we propose InteractionMap, which improves previous map vectorization methods by fully leveraging local-to-global information interaction in both time and space. Firstly, we explore enhancing DETR-like detectors by explicit position relation prior from point-level to instance-level, since map elements contain strong shape priors. Secondly, we propose a key-frame-based hierarchical temporal fusion module, which interacts temporal information from local to global. Lastly, the separate classification branch and regression branch lead to the problem of misalignment in the output distribution. We interact semantic information with geometric information by introducing a novel geometric-aware classification loss in optimization and a geometric-aware matching cost in label assignment. InteractionMap achieves state-of-the-art performance on both nuScenes and Argoverse2 benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google