RepVF : Une représentation unifiée des champs vectoriels pour la perception 3D multi-tâche

Le traitement concurrent de plusieurs tâches de perception 3D pour la conduite autonome au sein d'une même scène spatiotemporelle pose un défi considérable, en particulier en raison des inefficacités computationnelles et de la concurrence des caractéristiques entre les tâches lors de l'utilisation des approches traditionnelles d'apprentissage multi-tâche. Cet article aborde ces problèmes en proposant une nouvelle représentation unifiée, RepVF, qui harmonise la représentation de diverses tâches de perception telles que la détection d'objets 3D et la détection de lignes 3D dans un seul cadre. RepVF caractérise la structure des différentes cibles dans la scène par un champ vectoriel, permettant ainsi à un modèle d'apprentissage multi-tâche à tête unique de réduire considérablement les redondances computationnelles et la concurrence des caractéristiques. En s'appuyant sur RepVF, nous présentons RFTR, un réseau conçu pour exploiter les connexions inhérentes entre différentes tâches en utilisant une structure hiérarchique de requêtes qui modélisent implicitement les relations tant entre qu'au sein des tâches. Cette approche élimine le besoin de têtes et de paramètres spécifiques à chaque tâche, réduisant fondamentalement les conflits inhérents aux paradigmes traditionnels d'apprentissage multi-tâche. Nous validons notre approche en combinant les étiquettes du jeu de données OpenLane avec celles du Waymo Open Dataset. Notre travail représente une avancée significative en termes d'efficacité et d'efficience de la perception multi-tâche dans la conduite autonome, offrant une nouvelle perspective sur la gestion simultanée et parallèle de plusieurs tâches de perception 3D. Le code sera disponible à l'adresse suivante : https://github.com/jbji/RepVF