研究人员开发了一种名为跨视图监督（CVS）的新范例，用于使用来自多摄像头输入的鸟瞰图（BEV）表示来改进高精度（HD）地图的构建。该方法将几何和拓扑知识从视角特权的顶视图转移到基于摄像头的BEV编码器中。CVS通过在共享的BEV特征空间中对齐表示来增强结构一致性，将知识从教师模型蒸馏到以自我为中心的骨干网络中，而无需改变推理架构或在测试期间需要顶视图输入。在nuScenes数据集上的实验显示出显著的改进，特别是在长距离精度方面，在扩展的100x50米设置中相对提高了44%。 AI
影响 通过利用跨视图监督进行BEV表示学习，提高了高清地图构建的准确性，尤其是在长距离方面。
排序理由 详细介绍计算机视觉任务新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
