Core Concepts
将来情報を組み込んだ自己監督学習により、高解像度BEVマップを効率的に生成する手法
Abstract
自己監督学習に基づく未来情報融合フレームワークが提案されている。
高解像度BEVマップの作成と精密な予測が重要であることが強調されている。
ベイズフィルター機構を利用した効果的な予測モデルが開発されている。
生成されたBEVマップは、車両ダイナミクス予測などの下流タスクに有効であることが示されている。
Stats
2cmピクセル分解能の高解像度BEVマップが提案されています。
TartanDriveデータセットから28トラジェクトリで65134個の入力/ラベルペアが生成されました。
Quotes
"We propose a scalable data-generation protocol for self-supervised, dense map completion."
"Our Bayesian model trained with the recent advances in generative modeling can predict high-quality BEV maps in the distal regions."