PivotNet：面向端到端高精地图构建的矢量化枢轴学习
计算机视觉与模式识别
2023-09-04 v2
摘要
矢量化高精地图在线构建在自动驾驶研究领域备受关注。多数现有方法使用固定数量的点建模可变地图元素，或以两阶段自回归方式预测局部地图，可能遗漏关键细节并导致误差累积。为精确学习地图元素，我们提出一种简洁而有效的架构 PivotNet，其采用统一的基于枢轴的地图表示，并建模为直接的集合预测范式。具体地，我们首先提出一种新颖的点到线掩码模块，在网络中编码从属与几何的点线先验；随后提出设计良好的枢轴动态匹配模块，通过引入序列匹配概念对动态点序列中的拓扑建模；此外，为监督矢量化点预测的位置与拓扑，提出动态矢量化序列损失。大量实验与消融研究表明，PivotNet 以至少 5.9 mAP 显著优于其他 SOTA 方法。代码将很快公开。
引用
@article{arxiv.2308.16477,
title = {PivotNet: Vectorized Pivot Learning for End-to-end HD Map Construction},
author = {Wenjie Ding and Limeng Qiao and Xi Qiu and Chi Zhang},
journal= {arXiv preprint arXiv:2308.16477},
year = {2023}
}
备注
Accepted by ICCV2023