稀疏与冗余之间的鸿沟：基于全局上下文的双解码框架用于地图推断
计算机视觉与模式识别
2025-09-16 v1 人工智能
摘要
轨迹数据因其低成本、广覆盖和持续可用性，已成为自动地图推断的关键资源。然而，轨迹密度不均常导致稀疏区域道路碎片化和密集区域冗余段，为现有方法带来了显著挑战。为此，我们提出了 DGMap，一种具有全局上下文感知的双解码框架，特点包括多尺度网格编码、掩码增强的关键点提取和全局上下文感知的关系预测。通过将全局语义上下文与局部几何特征相集成，DGMap 可提高关键点检测准确度，以减少稀疏轨迹区域的道路碎片化。此外，全局上下文感知的关系预测模块通过建模远程轨迹模式来抑制密集轨迹区域中的假连接。三个真实世界数据集上的实验结果表明，DGMap 在 APLS 上超过了最先进的方法5%，在Didi Chuxing 平台的轨迹数据上表现尤为突出。
引用
@article{arxiv.2509.11731,
title = {Bridging the Gap Between Sparsity and Redundancy: A Dual-Decoding Framework with Global Context for Map Inference},
author = {Yudong Shen and Wenyu Wu and Jiali Mao and Yixiao Tong and Guoping Liu and Chaoya Wang},
journal= {arXiv preprint arXiv:2509.11731},
year = {2025}
}