复用注意力实现单阶段车道拓扑理解
计算机视觉与模式识别
2025-07-24 v1
摘要
准确理解车道拓扑关系对于安全的自动驾驶至关重要。然而，现有的双阶段方法因误差传播和计算开销增加而效率低下。为此，我们提出一种单阶段架构，同时预测交通要素、车道中心线和拓扑关系，提高了车道拓扑理解的准确率和推理速度。我们的关键创新在于复用不同 transformer 解码器内部的中间注意力资源。这一方法有效地利用了元素检测模块中固有的关系知识，使能够在无需额外计算昂贵图网络的情况下对交通要素和车道之间的拓扑关系进行建模。此外，我们首次展示了从采用标准定义 (SD) 地图的模型蒸馏到不使用 SD 地图的模型，以实现更佳性能，即使没有 SD 地图亦可达到优异效果。在 OpenLane-V2 数据集上的大量实验表明，我们的方法在准确率和效率方面均优于基线方法，在车道检测、交通要素识别和拓扑推理方面取得优异结果。我们的代码可在 https://github.com/Yang-Li-2000/one-stage.git 获取。
关键词
引用
@article{arxiv.2507.17617,
title = {Reusing Attention for One-stage Lane Topology Understanding},
author = {Yang Li and Zongzheng Zhang and Xuchong Qiu and Xinrun Li and Ziming Liu and Leichen Wang and Ruikai Li and Zhenxin Zhu and Huan-ang Gao and Xiaojian Lin and Zhiyong Cui and Hang Zhao and Hao Zhao},
journal= {arXiv preprint arXiv:2507.17617},
year = {2025}
}
备注
Accepted to IROS 2025, Project Page: https://github.com/Yang-Li-2000/one-stage.git