HyperAIHyperAI

Command Palette

Search for a command to run...

الطريق منفصل TopoFormer

Lu Mingjie ; Huang Yuanxian ; Liu Ji ; Peng Jinzhang ; Tian Lu ; Sirasao Ashish

الملخص

فهم السيناريوهات القيادة أمر حاسم لتحقيق القيادة الذاتية. الأعمال السابقة مثل تعلم الخرائط و الكشف عن المسارات في المنظور العرضي للسيارة (BEV) تتجاهل العلاقة بين مسارات القيادة، كما أن مهام الكشف عن عناصر المرور غالبًا ما تغفل العلاقة مع خطوط المسارات. لمعالجة هذه القضايا، تم تقديم مهمة تتضمن أربع مهام فرعية: كشف عناصر المرور، كشف خطوط مركز المسارات، استدلال العلاقات بين المسارات، واستدلال العلاقات التخصيصية بين المسارات وعناصر المرور. نقدم إطار عمل Separated RoadTopoFormer لحل هذه المشكلات، وهو إطار عمل من النهاية إلى النهاية يكشف عن خط مركز المسار وعناصر المرور مع استدلال العلاقات فيما بينها. نقوم بتحسين كل وحدة على حدة لمنع التفاعل فيما بينها ونجمعها معًا بعد قليل من التعديلات الدقيقة. بالنسبة لرأسَي الكشف، اعتمدنا هيكلًا مشابهًا لهيكل DETR لاكتشاف الأشياء، ولرأس العلاقات، قمنا بتجميع خصائص المثيلين من الكاشفات الأمامية وإدخالهما في المصنف للحصول على احتمالية العلاقة. حققت المشاركة النهائية لدينا درجة 0.445 OLS، وهي تنافسية في كل من النقاط الفرعية والنقاط المجمعة.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
الطريق منفصل TopoFormer | مستندات | HyperAI