.png){kind=icon}
返回
MapFM: Foundation Model-Driven HD Mapping with Multi-task Contextual Learning
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-08462-0_3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在自动驾驶中，高精度（HD）地图和俯视（BEV）语义地图对于精确定位、规划和决策至关重要。本文介绍了一种增强型端到端模型MapFM，用于在线矢量高精度地图生成。我们通过引入强大的基础模型对摄像头图像进行编码，显著提升了特征表示质量。为进一步丰富模型对环境的理解并提高预测质量，我们在俯视表示中集成了用于语义分割的辅助预测头。这种多任务学习方法提供了更丰富的上下文监督，实现了更全面的场景表示，最终提高了预测矢量高精度地图的准确性和质量。我们在nuScenes数据集上相比基线模型显著提升了平均精度均值（mAP，+2.7%）。源代码可在https://github.com/LIvanoff/MapFM获取。
Keyword:
High-Definition Map
Foundation model
Neural network
Multi-Task learning
期刊
H
IF:
0
论文数:
28
被引数:
0
机构
引用论文
.png){kind=icon}
查看更多内容