動き予測におけるHDマップのための経路を意識したグラフ注意【JST・京大機械翻訳】

Da Fang; Zhang Yu

プレプリント

J-GLOBAL ID：202202211337105705 整理番号：22P0296384

動き予測におけるHDマップのための経路を意識したグラフ注意【JST・京大機械翻訳】

Path-Aware Graph Attention for HD Maps in Motion Prediction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年02月23日プレプリントサーバーでの情報更新日： 2022年02月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

自律運転のための運動予測の成功は,HDマップからの情報の統合に依存する。地図が自然にグラフ構造化されているので,HDマップを符号化するためのグラフニューラルネットワーク(GNNs)に関する調査は,近年,急増している。しかし,GNNが直接展開されている多くの他のアプリケーションと異なり,HDマップは,頂点(車線)が様々な性質のエッジ(車線-車線相互作用関係)によって接続される不均一グラフであり,ほとんどのグラフベースモデルは,エージェントが車線を移動するのを予測する重要な手がかりを提供するエッジタイプの多様性を理解するために設計されていない。この課題を克服するために,著者らは,それらを接続する経路を形成するエッジのシーケンスを構文することによって,2つの頂点間の注意を推論する新しい注意アーキテクチャである経路Awareグラフ注意を提案した。本解析は,提案した注意機構が,GCNスラグルのような既存のグラフネットワークが,いかにして,行動問題における学習を容易にすることができるかを説明した。地図符号化を改善することにより,提案モデルは,Argoverse Motion Forecastingデータセットに関する最先端技術の以前の状態を上回り,2021のArgoverse Motion Forecastation Competationにおける最初の場所に勝っている。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識

, , , , , ,

前のページに戻る