QuadBEV：基于鸟瞰视图表示的高效四任务感知框架
机器人学
2024-10-10 v1 人工智能
摘要
鸟瞰视图（Bird's-Eye-View, BEV）感知已成为自动驾驶系统的关键组成部分，因为其能够将多种传感器输入整合为统一表示，从而在各种下游任务中提升性能。然而，BEV 模型的计算需求对在资源有限的车辆中部署提出了挑战。为此，我们提出了 QuadBEV，一种高效的多任务感知框架，利用跨四个关键任务（3D 对象检测、车道检测、地图分割和占有栅格预测）中共享的空间和上下文信息。QuadBEV 不仅通过共享主干网络和任务特定的头部简化了这些任务的集成，还解决了常见的多任务学习挑战，如学习率敏感性和任务目标冲突。我们的框架减少了冗余计算，从而增强了系统效率，特别适用于嵌入式系统。我们 presented comprehensive experiments that validate the effectiveness and robustness of QuadBEV, demonstrating its suitability for real-world applications.
引用
@article{arxiv.2410.06516,
title = {QuadBEV: An Efficient Quadruple-Task Perception Framework via Bird's-Eye-View Representation},
author = {Yuxin Li and Yiheng Li and Xulei Yang and Mengying Yu and Zihang Huang and Xiaojun Wu and Chai Kiat Yeo},
journal= {arXiv preprint arXiv:2410.06516},
year = {2024}
}