単一画像から3Dレーンを検出するための一般化され、拡張性のある方法であるGen-LaneNetについて紹介します。この方法は、最新の最先端技術である3D-LaneNetに着想を得た統一フレームワークで、単一ネットワーク内で画像エンコーディング、特徴量の空間変換、および3Dレーン予測を解決します。しかし、Gen-LaneNetには2つの点で独自の設計が提案されています。第一に、新しい座標系において新しい幾何学誘導型レーンアンカー表現を導入し、ネットワーク出力から直接実際の3Dレーンポイントを計算するために特定の幾何学変換を適用します。私たちは、新しい座標系における上位俯瞰特徴量とレーンポイントのアライメントが未知のシーンを扱うための一貫した方法において重要であることを示しています。第二に、画像セグメンテーションサブネットワークと幾何学エンコーディングサブネットワークの学習を分離するスケーラブルな2段階フレームワークを提示します。3D-LaneNetと比較して、提案されたGen-LaneNetは実世界アプリケーションでの堅牢なソリューションを達成するために必要な3Dレーンラベルの量を大幅に削減します。さらに、3Dレーン検出手法の開発と評価を促進するために新しい合成データセットとその構築戦略を公開しています。実験では、広範なアブレーションスタディを行い、提案されたGen-LaneNetが平均精度（AP）およびF値において3D-LaneNetよりも著しく優れていることを確認しました。