[論文レビュー] InsMapper: Exploring Inner-instance Information for Vectorized HD Mapping

Zhenhua Xu, Kenneth K. Y. Wong+1 more|arXiv (Cornell University)|Aug 16, 2023

Geographic Information Systems Studies被引用数 6

ひとこと要約

InsightMapperは、予測された地図ポイント間のインスタンス内相関を明示的にモデル化することで、オンラインでベクトル化された高精度地図（HDマップ）検出のための新規なトランスフォーマー基盤フレームワークを提案する。ハイブリッドクエリ生成、自己注意を用いたインスタンス内クエリ統合、およびマスク付きインスタンス内自己注意モジュールを導入し、NuScenesでSOTAを上回る5.78 mAPおよび7.03 TOPOの向上を達成しながら、高い学習および推論効率を維持している。

ABSTRACT

Vectorized high-definition (HD) maps contain detailed information about surrounding road elements, which are crucial for various downstream tasks in modern autonomous vehicles, such as motion planning and vehicle control. Recent works attempt to directly detect the vectorized HD map as a point set prediction task, achieving notable detection performance improvements. However, these methods usually overlook and fail to analyze the important inner-instance correlations between predicted points, impeding further advancements. To address this issue, we investigate the utilization of inner-instance information for vectorized high-definition mapping through transformers, and propose a powerful system named $ extbf{InsMapper}$, which effectively harnesses inner-instance information with three exquisite designs, including hybrid query generation, inner-instance query fusion, and inner-instance feature aggregation. The first two modules can better initialize queries for line detection, while the last one refines predicted line instances. InsMapper is highly adaptable and can be seamlessly modified to align with the most recent HD map detection frameworks. Extensive experimental evaluations are conducted on the challenging NuScenes and Argoverse 2 datasets, where InsMapper surpasses the previous state-of-the-art method, demonstrating its effectiveness and generality. The project page for this work is available at https://tonyxuqaq.github.io/InsMapper/ .

研究の動機と目的

• 既存のベクトル化HDマップ検出手法が、同じ道路要素インスタンス内のポイント間の相関関係を活用できないという限界に対処すること。
• オンラインでセンサーに基づくHDマップ生成におけるトポロジーの正確性と検出mAPを向上させること。
• 学習および推論の両方において高い効率を維持し、自動運転車両におけるリアルタイム展開を可能にすること。
• インスタンス内情報がマップ表現および予測品質に与える影響を調査すること。
• 複雑な都市部のシーンにおける一般化を向上させるために、インスタンス内依存関係を明示的にモデル化するトランスフォーマー基盤アーキテクチャを設計すること。

提案手法

• インスタンス間関係を分離することでインスタンス内相関のみを保持するハイブリッドクエリ生成を導入し、クエリ品質を向上させる。
• 同じインスタンスのクエリ間で特徴を統合するために自己注意を用いたインスタンス内クエリ統合を実装し、表現の一貫性を向上させる。
• デコーダーにマスク付きインスタンス内自己注意モジュールを統合し、各インスタンス内で特徴を集中して集約可能にし、注目をインスタンス内ポイントに制限する。
• DETRに類似した二段階セット予測パラダイムを採用しているが、マップ要素内の構造的関係を明示的にモデル化するように変更を加えている。
• DETRベースのモデルが持つエンドツーエンド微分可能で効率的な性質を維持しつつ、インスタンスに特化したモデリングコンponentsを追加している。
• フレームワークは、標準的なmAPおよびトポロジー正確性（TOPO）メトリクスを用いて、NuScenesおよびArgoverse-2データセットで学習および評価されている。

実験結果

リサーチクエスチョン

• RQ1 予測されたマップポイント間のインスタンス内相関をモデル化することで、ベクトル化HDマップ検出に顕著な改善が得られるか？
• RQ2 インスタンス内依存関係を組み込むことで、エンドツーエンドマップ検出におけるトポロジー正確性とmAPにどのような影響があるか？
• RQ3 インスタンス固有の関係を保持するための最適なクエリ生成および統合方法は何か？
• RQ4 インスタンス内ポイントに焦点を当てたマスク付き自己注意メカニズムは、特徴表現および検出性能を向上させるか？
• RQ5 このようなインスタンスに特化したモデリングは、学習または推論効率を損なわずに行えるか？

主な発見

• InsightMapperは、NuScenesバリデーションセットで48.31 mAPおよび51.58 TOPOを達成し、以前のSOTA手法MapTRを5.78 mAPおよび7.03 TOPO上回った。
• アブレーションスタディにより、ハイブリッドクエリ生成がネイティブおよび階層的スキームを顕著に上回り、階層的ベースライン比で1.38 mAPおよび1.42 TOPOの向上を確認した。
• 自己注意を用いたクエリ統合が最良のパフォーマンス（48.31 mAP、51.58 TOPO）を示し、平均統合やフィードフォワード統合を上回った。
• マスク付きインスタンス内自己注意モジュールは不可欠である：これを削除するとmAPが2.89ポイント、TOPOが2.39ポイント低下し、その有効性が裏付けられた。
• モデルは高い効率性を維持しており、1エポックあたりの学習時間は0.01〜0.03時間の増加に留まり、推論FPSはMapTRと同一であり、追加モジュールがあっても影響がない。
• Argoverse-2データセットでも一貫した改善が得られたが、シーンの複雑さが低いことからマージンは小さく、ドメイン間での一般化性が確認された。