路面物体重要性估计：一个新数据集与多折顶部自上而下指导模型
机器人学
2024-11-27 v1 计算机视觉与模式识别
摘要
本文解决了路面物体重要性估计问题，该问题将驾驶员视角捕获的视频序列用作输入。尽管该问题对于更安全更智能的驾驶系统至关重要，但该问题的探索仍有限。一方面，社区中缺乏大型公开数据集。为此，本文贡献了一个新的大规模数据集，命名为 Traffic Object Importance（TOI）。另一方面，现有方法通常仅考虑底层特征或单一折指导，导致在处理高度动态和多样化交通情景时存在局限。与现有方法不同，本文提出一种将多折顶部自上而下指导与底层特征集成的模型。具体而言，本文将三种顶部指导因素（即，驾驶员意图、语义上下文和交通规则）集成到我们的模型中。这些因素对于物体重要性估计至关重要，但目前尚无任何现有方法同时考虑它们。到目前为止，本文提出了首个融合多折顶部自上而下指导因素与底层特征的路面物体重要性估计模型。广泛的实验表明，我们的方法在大幅度上超过了最先进的方法，实现了与最近提出的模型（即 Goal）相比的 23.1% 的平均精度（AP）提升。
引用
@article{arxiv.2411.17152,
title = {On-Road Object Importance Estimation: A New Dataset and A Model with Multi-Fold Top-Down Guidance},
author = {Zhixiong Nan and Yilong Chen and Tianfei Zhou and Tao Xiang},
journal= {arXiv preprint arXiv:2411.17152},
year = {2024}
}