HIMap：用于端到端矢量化高清地图构建的混合表示学习

矢量化高清（HD）地图构建需要预测地图元素（例如道路边界、车道分隔线、人行横道等）的类别和点坐标。最先进的方法主要基于点级表示学习来回归精确的点坐标。然而，这一流程在获取元素级信息以及处理元素级失败（例如错误的元素形状或元素间的纠缠）方面存在局限性。为解决上述问题，我们提出了一个简单而有效的混合框架，名为HIMap，以充分学习并交互点级和元素级信息。具体而言，我们引入了一种称为HIQuery的混合表示来表示所有地图元素，并提出了一个点-元素交互器，以交互方式提取元素的混合信息（例如点位置和元素形状）并将其编码到HIQuery中。此外，我们提出了一个点-元素一致性约束，以增强点级与元素级信息之间的一致性。最终，输出的点-元素集成的HIQuery可以直接转换为地图元素的类别、点坐标和掩码。我们进行了广泛的实验，在nuScenes和Argoverse2数据集上均一致地超越了先前的方法。值得注意的是，我们的方法在nuScenes数据集上达到了77.8 mAP，显著优于先前的最先进技术至少8.3 mAP。