SceneGen：学习生成真实交通场景
计算机视觉与模式识别
2021-01-19 v1 人工智能
机器学习
机器人学
摘要
我们考虑自动生成真实交通场景的问题。现有方法通常依据一组手工启发式规则将参与者插入场景，在建模真实交通场景的真正复杂性与多样性方面能力有限，从而在合成交通场景与真实场景之间引发内容鸿沟。因此，现有仿真器缺乏训练与测试自动驾驶车辆所需的保真度。为应对该局限，我们提出 SceneGen，一种交通场景的神经自回归模型，其摒弃了对规则与启发式的依赖。具体而言，给定自车状态与周边区域的高清地图，SceneGen 将各类参与者插入场景并合成其尺寸、朝向与速度。我们在两个大规模数据集上展示了 SceneGen 忠实建模真实交通场景分布的能力。此外，我们表明 SceneGen 与传感器仿真结合可用于训练可泛化至真实世界的感知模型。
引用
@article{arxiv.2101.06541,
title = {SceneGen: Learning to Generate Realistic Traffic Scenes},
author = {Shuhan Tan and Kelvin Wong and Shenlong Wang and Sivabalan Manivasagam and Mengye Ren and Raquel Urtasun},
journal= {arXiv preprint arXiv:2101.06541},
year = {2021}
}