基于结构化层表示与基础模型的驾驶场景生成与评估
计算机视觉与模式识别
2025-11-04 v1 人工智能
摘要
稀有且具挑战性的驾驶场景是自动驾驶车辆开发的关键。由于这些场景不易遇到，因此仿真或使用生成模型进行生成是流行的方法。跟随前人的努力不断结构化驾驶场景表示为层模型，我们提出一种结构化五层模型，以提高稀有场景的评估与生成能力。我们将该模型与大型基础模型结合使用，采用数据增强策略生成新的驾驶场景。与先前的表示方法不同，我们的结构为情境中的每个 agent 引入子类和特征，允许我们使用专为层级模型设计的嵌入进行比较。我们研究并改进了两种指标来评估合成数据集在结构化表示上下文中的相关性：多样性得分估计情景数据集中情景之间的差异程度，而原创性得分计算合成数据集与真实参考集合的相似性。本文在不同的生成设置中展示了这两种指标，并对从结构化情景描述生成的合成视频进行定性评估。代码和扩展结果可在 https://github.com/Valgiz/5LMSG 查阅。
引用
@article{arxiv.2511.01541,
title = {Driving scenario generation and evaluation using a structured layer representation and foundational models},
author = {Arthur Hubert and Gamal Elghazaly and Raphaël Frank},
journal= {arXiv preprint arXiv:2511.01541},
year = {2025}
}