将图像翻译为道路网络：一种序列到序列的视角

道路网络的提取对于高精地图的生成至关重要，因为它能够精确定位道路地标及其相互连接。然而，由于欧几里得结构（例如道路地标位置）和非欧几里得结构（例如道路拓扑连通性）之间存在冲突的底层组合，生成道路网络面临重大挑战。现有方法难以有效融合这两种数据域，但很少有方法能妥善处理这一问题。相反，我们的工作通过将欧几里得和非欧几里得数据投影到一个称为 RoadNet Sequence 的整数序列中，建立了两种数据域的统一表示。除了建模一个自回归序列到序列的 Transformer 模型来理解 RoadNet Sequence 之外，我们将 RoadNet Sequence 的依赖性解耦为自回归和非自回归依赖性的混合。在此基础上，我们提出的非自回归序列到序列方法利用了非自回归依赖性，同时弥补了与自回归依赖性的差距，从而在效率和准确性上均取得了成功。我们进一步在数据集的无过拟合划分上识别出当前 RoadNetTransformer 的两个主要瓶颈：受限于 BEV 编码器的地标检测不佳，以及向拓扑推理的误差传播。因此，我们提出了拓扑继承训练，以将更好的拓扑知识继承到 RoadNetTransformer 中。此外，我们从开源地图数据集中收集 SD-Maps，并利用这些先验信息显著改善地标检测和可达性。在 nuScenes 数据集上的大量实验证明了 RoadNet Sequence 表示和非自回归方法相对于现有最先进替代方案的优越性。