从查询中学习全局表示以构建矢量化高清地图
计算机视觉与模式识别
2025-10-09 v1 人工智能
摘要
向量化高清晰度(HD)地图的在线构建是现代自动驾驶系统的基石。基于DETR框架的最先进方法将这一问题表述为实例检测问题。然而，它们依赖于独立的可学习对象查询，导致查询视角主要是局部的，忽视了HD地图中固有的全局表示。在这项工作中，我们提出了MapGR（HD地图构建的全局表示学习），一种旨在从查询中学习并利用全局表示的架构。我们的方法引入了两个协同模块：全局表示学习(GRL)模块，通过精心设计的整体分割任务鼓励所有查询的分布更好地与全局地图对齐；以及全局表示引导(GRG)模块，为每个单独查询赋予显式的全局级上下文信息以促进其优化。在nuScenes和Argoverse2数据集上的评估验证了我们方法的有效性，与领先基线相比，在平均精度均值(mAP)方面取得了显著提升。
引用
@article{arxiv.2510.06969,
title = {Learning Global Representation from Queries for Vectorized HD Map Construction},
author = {Shoumeng Qiu and Xinrun Li and Yang Long and Xiangyang Xue and Varun Ojha and Jian Pu},
journal= {arXiv preprint arXiv:2510.06969},
year = {2025}
}
备注
16 pages