FastMap：基于快速查询初始化的矢量化高精地图重建框架
计算机视觉与模式识别
2025-03-10 v1 人工智能
摘要
高精地图的重建是感知自动驾驶环境的关键任务，其准确性直接影响下游模块中预测和规划能力的可靠性。当前基于 DETR 框架的矢量化地图重建方法由于解码器结构的冗余而遇到限制，需要堆叠六层解码器以保持性能，这严重妨碍了计算效率。为了解决这个问题，我们引入了 FastMap，这是一个旨在减少现有方法中解码器冗余的创新框架。FastMap 通过采用单层、两阶段 Transformer 来优化解码器架构，从而实现多级表示能力。我们的框架消除了随机初始化查询的传统做法，而是在解码阶段引入了热力图引导的查询生成模块，该模块利用可学习的位置编码将图像特征有效地映射为结构化查询向量。此外，我们为 FastMap 提出了一种几何约束的点到线损失机制，巧妙地解决了传统点到点损失计算中经常出现的难以区分高度同质特征的挑战。大量实验表明，FastMap 在 nuScenes 和 Argoverse2 数据集上均实现了 SOTA 性能，其解码器运行速度比基线快 3.2 倍。代码和更多演示可在 https://github.com/hht1996ok/FastMap 获取。
引用
@article{arxiv.2503.05492,
title = {FastMap: Fast Queries Initialization Based Vectorized HD Map Reconstruction Framework},
author = {Haotian Hu and Jingwei Xu and Fanyi Wang and Toyota Li and Yaonong Wang and Laifeng Hu and Zhiwang Zhang},
journal= {arXiv preprint arXiv:2503.05492},
year = {2025}
}