DiffMap: Enhancing Map Segmentation with Map Prior Using Diffusion Model

要約

高精細（HD）マップの構築は、自律走行を実現する上で極めて重要な要件である。近年、BEV（Bird’s-Eye View：鳥瞰図）知覚の進歩を活用して、このニーズに対応するためにいくつかの地図分割アルゴリズムが開発されている。しかし、既存のモデルは、現実的で一貫性のあるセマンティックマップレイアウトを生成する上で、依然として課題に遭遇している。顕著な問題の一つは、マップ分割マスクに内在する構造化プリオールの利用が限定的であることである。そこで我々は、潜在拡散モデルを用いてマップ分割マスクの構造化プリオールをモデル化するために特別に設計された新しいアプローチであるDiffMapを提案する。この手法を取り入れることで、既存のセマンティックセグメンテーション手法の性能を大幅に向上させ、セグメンテーション出力に存在する特定の構造的エラーを効果的に修正することができる。特に、提案するモジュールは、あらゆる地図セグメンテーションモデルにシームレスに統合することができ、それによって意味情報を正確に描出する能力を増強する。さらに、広範な可視化分析を通じて、我々のモデルは、より正確に実世界の地図レイアウトを反映した結果を生成する優れた能力を実証し、生成された地図の品質を向上させる有効性をさらに検証した。

要約(オリジナル)

Constructing high-definition (HD) maps is a crucial requirement for enabling autonomous driving. In recent years, several map segmentation algorithms have been developed to address this need, leveraging advancements in Bird’s-Eye View (BEV) perception. However, existing models still encounter challenges in producing realistic and consistent semantic map layouts. One prominent issue is the limited utilization of structured priors inherent in map segmentation masks. In light of this, we propose DiffMap, a novel approach specifically designed to model the structured priors of map segmentation masks using latent diffusion model. By incorporating this technique, the performance of existing semantic segmentation methods can be significantly enhanced and certain structural errors present in the segmentation outputs can be effectively rectified. Notably, the proposed module can be seamlessly integrated into any map segmentation model, thereby augmenting its capability to accurately delineate semantic information. Furthermore, through extensive visualization analysis, our model demonstrates superior proficiency in generating results that more accurately reflect real-world map layouts, further validating its efficacy in improving the quality of the generated maps.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL