基于车道分割注意力图相似度量化自动驾驶仿真中仿真到真实图像差距的研究
计算机视觉与模式识别
2023-06-21 v1 机器人学
摘要
自动驾驶仿真需要高度逼真的图像。我们的初步研究发现,当使用DCLGAN使CARLA仿真器的图像更贴近现实时,车道识别模型的性能提升至与真实驾驶相当的水平。同时确认,车辆在偏离车道后返回车道中心的能力也显著改善。然而,目前尚无公认的用于定量评估仿真图像真实感的指标。为解决此问题,基于FID(Fréchet Inception Distance,弗雷歇 inception 距离)利用预训练模型度量特征向量分布距离的思想,本文提出了一种利用ENet-SAD自注意力蒸馏过程中的注意力图来度量仿真道路图像相似度的指标。最后,本文通过将该方法应用于实现了真实世界自动驾驶测试道路的CARLA地图图像,验证了该度量方法的适用性。
引用
@article{arxiv.2306.10491,
title = {A Study on Quantifying Sim2Real Image Gap in Autonomous Driving Simulations Using Lane Segmentation Attention Map Similarity},
author = {Seongjeong Park and Jinu Pahk and Lennart Lorenz Freimuth Jahn and Yongseob Lim and Jinung An and Gyeungho Choi},
journal= {arXiv preprint arXiv:2306.10491},
year = {2023}
}