深圳建筑设计找工作哪个招聘网站,上海网站制作价格,wordpress 3.1 下载地址,网站建设设计模板参考代码#xff1a;ADMap
动机与出发点 局部地图构建算法在实际中会遇到部分车道线偏离的或是错误的情况#xff0c;这往往是全局信息获取上存在欠缺#xff0c;毕竟地图元素的回归很依赖于全局信息的获取。那么从特征提取、attention layer设计和loss构建上可以做一些工作…参考代码ADMap
动机与出发点 局部地图构建算法在实际中会遇到部分车道线偏离的或是错误的情况这往往是全局信息获取上存在欠缺毕竟地图元素的回归很依赖于全局信息的获取。那么从特征提取、attention layer设计和loss构建上可以做一些工作也就是文中提到的MPNmulti-scale perception network、IIAIns. Interactive Attention以及VDDLVector Direction Difference Loss。其实抛开多模态特征融合网络部分不谈起关键作用的是IIA而且其中的inter和intra两个类型的attention具体哪个模块起的作用更大和摆放的位置在之前的工作中已经有了实验和说明了。
方法设计 文章的网络结构见下图 在上图中描绘了文章的两个工作MPN和IIA前一个用于融合Camera和Lidar的信息后一个用于增强query内部的信息关联。MPN的结构在上图中已经和清楚了也就是使用多尺度的方式融合不同模态信息。IIA就是在原本transformer layer的基础上增加intra和inter维度的attention但是缺少更加细致分析。而VDDL就是刻画点和点之间的角度关系希望用这个关系来约束元素的几何位置和相对关系但是这个的影响力相对来说比IIA会弱一些。
文章提到的几个模块对于性能的影响
将IIA与MapTR-v2版本中的Decoupled self-attentionDSA看作是对transformer中self-attn的替换的比较
实验结果 文章的方案与其它一些方法的对比
