Core Concepts
提案手法では、密なアンカーを用いる従来手法とは異なり、位置認識付きの疎なレーン問い合わせと角度問い合わせを用いて動的なアンカーを生成する。また、二段階のトランスフォーマーデコーダを設計し、レーン特徴の精緻化を行うことで、高精度な車線検出を実現する。
Abstract
本論文では、効率的な車線検出手法としてスパースなLaneformerを提案している。従来の密なアンカーベースの手法とは異なり、位置認識付きの疎なレーン問い合わせと角度問い合わせを用いて動的なアンカーを生成する。さらに、二段階のトランスフォーマーデコーダを設計し、レーン特徴の精緻化を行うことで、高精度な車線検出を実現している。
具体的には以下の通り:
従来手法では数百~数千のアンカーを設定していたが、提案手法では20個程度の疎なアンカーを用いる
アンカーは位置認識付きのレーン問い合わせと角度問い合わせから動的に生成される
二段階のトランスフォーマーデコーダを設計し、レーン問い合わせと角度問い合わせの相互作用を強化することで、レーン特徴を精緻化
水平方向の知覚アテンション(HPA)とレーン-角度クロスアテンション(LACA)、レーン知覚アテンション(LPA)を導入
実験の結果、提案手法はCULaneデータセットでLaneformerを3.0%、O2SFormerを0.7%上回る精度を達成しつつ、計算量も削減できることを示した
Stats
CULaneデータセットでは、提案手法がLaneformerを3.0%、O2SFormerを0.7%上回る精度を達成した
TuSimpleデータセットでは、提案手法がResNet-34ベースで96.81%のF1スコアを達成した
LLAMASデータセットでは、提案手法がResNet-34ベースで96.56%のF1スコアを達成した