Centrala begrepp
シミュレーションから現実への自動運転データ合成のために、生成型AIモデルを活用し、高品質で多様なデータセットを低コストで生成する。
Sammanfattning
本研究では、自動運転アルゴリズムの開発と検証に不可欠なデータセットの生成を目的として、シミュレーションから現実への橋渡しとして生成型AIモデルを活用する。具体的には以下の3つのステップを実施した。
- シミュレータ(CARLA)を用いて、多様な走行シーンとアノテーションを自動生成する。
- 生成型AIモデルとして、GAN系の手法(Pix2pixHD、OASIS)と拡散モデルのControlNetを適用し、シミュレーション上のセマンティックラベルマップから写実的な画像を生成する。
- 生成された画像の品質と知覚性能を、画質指標とセグメンテーション精度の観点から評価する。
評価の結果、GAN系手法はCityscapesデータセットに近い高品質な画像を生成できるが、シミュレーションデータを入力とした場合にはアーティファクトが目立つ。一方、拡散モデルのControlNetは構造的な忠実度が高く、シミュレーションデータからも安定した生成が可能であることが示された。これは、拡散モデルがシミュレーション-現実間のドメインギャップ解消に有効な手法となる可能性を示唆している。
Statistik
シミュレーションから生成された画像は、実世界の画像と比べて、明るさ、テクスチャ、動的特性などに違いがある。
GAN系手法は、手動アノテーションされたラベルマップを入力とした場合、高品質な画像生成が可能だが、シミュレーションデータを入力とした場合にはアーティファクトが目立つ。
拡散モデルのControlNetは、シミュレーションデータを入力とした場合でも、構造的な忠実度が高く、安定した生成が可能である。
Citat
"シミュレーションから現実への橋渡しとして生成型AIモデルを活用する"
"拡散モデルがシミュレーション-現実間のドメインギャップ解消に有効な手法となる可能性を示唆している"