VectorMapNet: End-to-end Vectorized HD Map Learning 벡터맵넷: 단일 과정으로 벡터화된 고해상도 지도 학습

자율 주행 시스템은 도시 도로를 안전하게 이동하기 위해 고해상도(HD) 의미 지도가 필요합니다. 기존의 해결 방안들은 오프라인 수작업 주석을 통해 의미 지도 문제에 접근하였으나, 이는 심각한 확장성 문제를 가지고 있습니다. 최근의 학습 기반 방법들은 밀집된 래스터화된 분할 예측을 생성하여 지도를 구성하지만, 이러한 예측은 개별 지도 요소의 인스턴스 정보를 포함하지 않으며, 벡터화된 지도를 얻기 위해서는 휴리스틱 후처리가 필요합니다. 이러한 과제들을 해결하기 위해, 우리는 차량 탑재 센서 관찰치를 입력으로 받아 상공에서 본 시점에서 희박한 다중 선분 집합을 예측하는 end-to-end 벡터화된 HD 지도 학습 파이프라인인 VectorMapNet을 소개합니다. 이 파이프라인은 지도 요소 간의 공간적 관계를 명시적으로 모델링하고, 후속 자율 주행 작업에 적합한 벡터화된 지도를 생성할 수 있습니다. 광범위한 실험 결과, VectorMapNet은 nuScenes와 Argoverse2 데이터셋에서 모두 강력한 지도 학습 성능을 보였으며, 기존 최신 방법들보다 각각 14.2 mAP와 14.6 mAP를 초과하였습니다. 질적인 면에서는 VectorMapNet이 포괄적인 지도 생성 및 도로 기하학의 미세한 세부 사항을 포착하는 능력을 갖추고 있습니다. 우리 연구팀이 아는 한, VectorMapNet은 차량 탑재 관찰치로부터 end-to-end 벡터화된 지도 학습을 목표로 설계된 첫 번째 작업입니다. 프로젝트 웹사이트는 \url{https://tsinghua-mars-lab.github.io/vectormapnet/}에서 확인할 수 있습니다.