Keskeiset käsitteet
道路脇カメラを利用した3D物体検出では、特定の背景や撮影条件に過剰に適応してしまい、新しい環境での性能が低下する問題がある。本研究では、背景抑制と前景強化の手法により、シナリオ一般化性能を大幅に向上させた。
Tiivistelmä
本研究は、ビジョンベースの道路脇3D物体検出システムSGV3Dを提案している。
- 背景抑制モジュール(BSM)を導入し、2Dから鳥瞰図への変換時に背景特徴を抑制することで、特定の背景への過剰適応を防ぐ。
- 半教師あり学習データ生成パイプライン(SSDG)を用いて、新しい撮影条件下の多様な前景物体を含む合成データを生成する。これにより、特定の撮影条件への過剰適応を回避する。
- 複数ラウンドの自己教師あり学習を行い、徐々に性能を向上させる。
- DAIR-V2X-I、Rope3Dベンチマークで評価した結果、従来手法に比べ大幅な性能向上を達成した。特に新しい環境での性能が大幅に改善された。
Tilastot
新しい環境での背景領域の距離予測誤差は、既知の環境に比べ大幅に増大する。
新しい環境での前景物体の距離予測誤差も、既知の環境に比べ顕著に増大する。
Lainaukset
現状の視覚ベースの道路脇3D物体検出手法は、特定の背景や撮影条件に過剰に適応してしまい、新しい環境での性能が大幅に低下する。
背景抑制と前景強化の手法により、シナリオ一般化性能を大幅に向上させることができた。