稀疏表示在 HD 地图构建中的潜力挖掘：SparseMeXT 方案
计算机视觉与模式识别
2025-05-15 v1 人工智能
摘要
近期高清（HD）地图构建的进展表明，稠密表示在效果上优于传统方法，严重依赖计算密集的鸟瞰图（BEV）特征。尽管稀疏表示通过避免稠密 BEV 处理提供了更高效的替代方案，但现有方法因缺乏针对性设计而落后于稠密方法。本文系统性地重访并提升稀疏表示技术，识别出关键的架构和算法改进，弥合与稠密方法之间的差距并最终超越后者。我们引入专为稀疏地图特征提取优化的网络架构，设计稀疏-稠密分割辅助任务以更好地利用几何与语义线索，并开发引导物理先验的去噪模块以细化预测。通过这些改进，我们的方法在 nuScenes 数据集上实现了最先进的性能，显著推动了 HD 地图构建与中心线检测。具体而言，SparseMeXt-Tiny 在 32 FPS 下达到 55.5% 的平均精度（mAP），SparseMeXt-Base 达到 65.2% mAP。进一步扩大网络骨干网络和解码器，SparseMeXt-Large 在超过 20 FPS 下实现 68.9% mAP，建立了稀疏表示在 HD 地图构建中的新基准。这些结果凸显了稀疏方法的潜在价值，挑战了传统对稠密表示的依赖，重新定义了该领域效率与性能之间的权衡。
引用
@article{arxiv.2505.08808,
title = {SparseMeXT Unlocking the Potential of Sparse Representations for HD Map Construction},
author = {Anqing Jiang and Jinhao Chai and Yu Gao and Yiru Wang and Yuwen Heng and Zhigang Sun and Hao Sun and Zezhong Zhao and Li Sun and Jian Zhou and Lijuan Zhu and Shugong Xu and Hao Zhao},
journal= {arXiv preprint arXiv:2505.08808},
year = {2025}
}