IDD-X：面向密集与非结构化交通中自车相对重要目标定位与解释的多视图数据集
计算机视觉与模式识别
2024-04-25 v2 人工智能
机器人学
摘要
智能车辆系统需要深入理解道路状况、周围实体以及自车驾驶行为之间的相互作用，以实现安全高效的导航。这在发展中国家尤为关键，因为其交通状况通常密集且非结构化，道路使用者异质。现有数据集主要面向结构化和稀疏交通场景，无法捕捉此类环境中驾驶的复杂性。为了填补这一空白，我们提出了IDD-X，一个大规模双视图驾驶视频数据集。IDD-X包含697K个边界框、9K条重要目标轨迹以及每段视频1-12个目标，为涵盖10个类别和19个解释标签类别的多个重要道路目标提供了全面的自车相对标注。该数据集还结合了后视信息，以提供更完整的驾驶环境表示。我们还引入了专门设计的深度网络，旨在进行多个重要目标定位和逐目标解释预测。总体而言，我们的数据集和引入的预测模型为研究道路状况和周围实体如何影响复杂交通状况下的驾驶行为奠定了基础。
引用
@article{arxiv.2404.08561,
title = {IDD-X: A Multi-View Dataset for Ego-relative Important Object Localization and Explanation in Dense and Unstructured Traffic},
author = {Chirag Parikh and Rohit Saluja and C. V. Jawahar and Ravi Kiran Sarvadevabhatla},
journal= {arXiv preprint arXiv:2404.08561},
year = {2024}
}
备注
Accepted at ICRA 2024; Project page: https://idd-x.github.io/