InsMapper：探索内部实例信息用于矢量化高精地图构建

矢量化高精地图(high-definition, HD)包含周边道路元素的详细信息，对现代自动驾驶车辆中的运动规划、车辆控制等多种下游任务至关重要。近期工作尝试将矢量化高精地图直接作为点集预测任务进行检测，取得了显著的检测性能提升。然而，这些方法通常忽视且未能分析预测点之间重要的内部实例关联，阻碍了进一步的发展。为解决此问题，我们通过 transformer 研究内部实例信息在矢量化高精地图构建中的利用，并提出一个名为 $\textbf{InsMapper}$ 的强大系统，其通过混合查询生成、内部实例查询融合和内部实例特征聚合三项精巧设计有效利用内部实例信息。前两个模块可更好地初始化用于线检测的查询，而最后一个模块精炼预测出的线实例。InsMapper 具有高度适应性，可无缝修改以对齐最新的高精地图检测框架。我们在具有挑战性的 NuScenes 和 Argoverse 2 数据集上进行了广泛的实验评估，InsMapper 超越了先前的最优(state-of-the-art)方法，证明了其有效性与通用性。本工作的项目页面位于 https://tonyxuqaq.github.io/InsMapper/ 。