自動運転におけるローカリゼーション誘導フォアグラウンド拡張
arXiv cs.CV / 2026/4/22
📰 ニュースDeveloper Stack & InfrastructureModels & Research
要点
- 本論文は、雨・夜間・雪などの悪天候でシーンの幾何情報が疎/断片化しやすい状況において、自動運転の知覚を改善するためのLocalization-Guided Foreground Augmentation（LG-FA）を提案しています。
- LG-FAは、BEV（Bird’s-Eye View）予測から得られるフレームごとの情報を用いて疎なグローバル・ベクタ層を構築することで、フォアグラウンド理解をオンラインで拡張する軽量な“プラグアンドプレイ”推論モジュールとして設計されています。
- クラスに制約を設けた幾何アラインメントにより自己位置（ego pose）を推定し、ローカライゼーション精度の向上とローカルなトポロジ欠損の補完を同時に行います。
- 拡張されたフォアグラウンドを統一したグローバル座標系へ再投影することでフレームごとの予測を改善し、nuScenesで幾何の完全性と時間安定性が向上することが示されています。
- 提案手法はローカライゼーション誤差を低減し、レーンやトポロジの再構成がグローバルに一貫する結果を報告しており、既存のBEVベース知覚システムにもバックボーン変更なしで統合可能です。
