SubjectDrive: Scaling Generative Data in Autonomous Driving via Subject Control

要約

自動運転の進歩は、大規模な注釈付きデータセットに依存しています。
この研究では、自動運転アプリケーション用に自由にラベル付けされた大量のデータを生成する生成モデルの可能性を探り、自動運転アプリケーションを継続的に改善できる方法で生成データ生成を拡張することが証明された最初のモデルである SubjectDrive を紹介します。
私たちは、生成データの量のスケールアップが下流の知覚モデルのパフォーマンスに及ぼす影響を調査し、データの多様性の強化が生成データの生成を効果的にスケールアップする上で重要な役割を果たすことを発見しました。
そこで、生成モデルが多様な外部データソースを活用して多様で有用なデータを生成できるようにする主体制御機構を備えた新しいモデルを開発しました。
広範な評価により、スケーラブルな自動運転トレーニング データの生成における SubjectDrive の有効性が確認され、この分野におけるデータ生成方法の革命に向けた重要な一歩となります。

要約(オリジナル)

Autonomous driving progress relies on large-scale annotated datasets. In this work, we explore the potential of generative models to produce vast quantities of freely-labeled data for autonomous driving applications and present SubjectDrive, the first model proven to scale generative data production in a way that could continuously improve autonomous driving applications. We investigate the impact of scaling up the quantity of generative data on the performance of downstream perception models and find that enhancing data diversity plays a crucial role in effectively scaling generative data production. Therefore, we have developed a novel model equipped with a subject control mechanism, which allows the generative model to leverage diverse external data sources for producing varied and useful data. Extensive evaluations confirm SubjectDrive’s efficacy in generating scalable autonomous driving training data, marking a significant step toward revolutionizing data production methods in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google