M3TR：面向真实世界高精地图补全的通用模型
计算机视觉与模式识别
2025-05-22 v4 机器人学
摘要
自动驾驶车辆依赖高精地图进行操作，但离线高精地图最终会过时。因此，在线高精地图构建方法改用实时传感器数据推断地图信息。真实地图变化研究表明，高精地图的大部分往往保持不变，可作为先验。我们因此提出 M3TR (多掩码地图 Transformer)，一种既可利用离线高精地图先验也可不依赖先验的高精地图补全通用方法。作为必要基础，我们解决了 Argoverse 2 和 nuScenes 真值标签的不足，并提出首个高精地图补全综合基准。与现有专门针对单一地图变化类型的模型不同，我们的通用模型能处理所有类型的变化，效果媲美专家模型。采用地图掩码作为增强策略，即使无先验也能实现 +1.4 mAP 提升。通过充分利用先验高精地图元素并优化查询设计，M3TR 以 +4.3 mAP 超越现有方法，成为首个可在真实世界部署的离线高精地图先验模型。代码可在 https://github.com/immel-f/m3tr 获取。
引用
@article{arxiv.2411.10316,
title = {M3TR: A Generalist Model for Real-World HD Map Completion},
author = {Fabian Immel and Richard Fehler and Frank Bieder and Jan-Hendrik Pauls and Christoph Stiller},
journal= {arXiv preprint arXiv:2411.10316},
year = {2025}
}