基于生成对抗修复的语义道路布局理解
计算机视觉与模式识别
2018-11-21 v2
摘要
自动驾驶正成为现实，但车辆仍需依赖复杂的传感器融合来理解其所处场景。辨别静态环境与动态实体的能力提供了对道路布局的理解，这对关于运动物体的推理过程构成了约束。我们通过一个基于 GAN 的语义分割修复模型来实现这一点，以从场景中移除所有动态物体，并专注于理解其静态组成部分，如街道、人行道和建筑物。我们在 Cityscapes 数据集以及一个使用 CARLA 模拟器生成的、专门设计用于定量评估语义分割修复的新合成数据集上评估该任务。我们将我们的方法与在 RGB 和分割域中工作的多种基线进行了比较。
引用
@article{arxiv.1805.11746,
title = {Semantic Road Layout Understanding by Generative Adversarial Inpainting},
author = {Lorenzo Berlincioni and Federico Becattini and Leonardo Galteri and Lorenzo Seidenari and Alberto Del Bimbo},
journal= {arXiv preprint arXiv:1805.11746},
year = {2018}
}