InfiMed-Foundation：面向大规模医学地图构建的生成框架
人工智能
2025-09-29 v1 计算与语言
摘要
大规模地图构建在自动驾驶和导航系统等应用中发挥着关键作用。传统方法依赖昂贵且效率低下的专用数据收集车辆和耗时的标注过程。虽然现有的卫星-based 方法在提高地图构建效率和覆盖范围方面显示出前景，但存在两个主要局限性：(1) 卫星数据的固有缺陷（如遮挡、时效性）；(2) 基于感知的方法的矢量化效率低下，导致道路不连续和粗糙，需要大量后处理。本文提出了一种新颖的生成框架，UniMapGen，用于大规模地图构建，提供三个关键创新：(1) 将车道线表示为离散序列，建立迭代策略生成比传统感知方法更完整、更光滑的地图向量；(2) 提出灵活的架构支持多模态输入，使可在 BEV、PV 和文本提示之间动态选择，以克服卫星数据的局限性；(3) 开发全局连续性和一致性的状态更新策略。UniMapGen 在 OpenSatMap 数据集上实现了最先进的性能。此外，UniMapGen 能够推断被遮挡的道路并预测数据集注释中缺失的道路。我们的代码将公开 release。
引用
@article{arxiv.2509.22261,
title = {InfiMed-Foundation: Pioneering Advanced Multimodal Medical Models with Compute-Efficient Pre-Training and Multi-Stage Fine-Tuning},
author = {Guanghao Zhu and Zhitian Hou and Zeyu Liu and Zhijie Sang and Congkai Xie and Hongxia Yang},
journal= {arXiv preprint arXiv:2509.22261},
year = {2025}
}