基于特征图质量评分的自动驾驶模型解耦功能评估
计算机视觉与模式识别
2025-08-13 v2
摘要
端到端模型正逐渐成为自动驾驶感知与规划的主流。然而，中间功能模块缺乏明确的监督信号，导致其运行机制不透明且可解释性有限，使得传统方法难以独立评估和训练这些模块。作为该问题的开创性研究，本研究建立在基于特征图-真值表征相似性的评估框架之上，提出了一种基于特征图收敛分数（FMCS）的独立评估方法。我们构建了一个双粒度动态加权评分系统（DG-DWSS），制定了一个统一的量化指标——特征图质量分数，以实现对功能模块生成的特征图质量的全面评估。进一步开发了一个基于CLIP的特征图质量评估网络（CLIP-FMQE-Net），该网络结合了特征-真值编码器和质量分数预测头，能够对功能模块生成的特征图进行实时质量分析。在NuScenes数据集上的实验结果表明，将我们的评估模块集成到训练中可提升3D目标检测性能，NDS指标提高了3.89个百分点。这些结果验证了我们的方法在增强特征表示质量和整体模型性能方面的有效性。
引用
@article{arxiv.2508.07552,
title = {Decoupled Functional Evaluation of Autonomous Driving Models via Feature Map Quality Scoring},
author = {Ludan Zhang and Sihan Wang and Yuqi Dai and Shuofei Qiao and Qinyue Luo and Lei He},
journal= {arXiv preprint arXiv:2508.07552},
year = {2025}
}