研究人员开发了PseudoMapLabeler，一个新颖的半监督学习框架，旨在克服在线高精地图构建中标记数据稀缺的问题。该方法利用教师-学生模型，通过基于beta分布获得的置信度分数来优化地图预测，从而生成高质量的伪标签。通过选择性地保留可靠的地图元素并丢弃不可靠的元素，该框架显著提高了对未标记数据的预测准确性，从而提升了学生模型的性能。在nuScenes数据集上的实验表明，与传统方法相比，在低标记条件下mAP提高了+6.1。 AI
影响 为在标记数据有限的情况下提高高清地图精度提供了一个实际解决方案，可能加速自动驾驶开发。
排序理由 详细介绍了一种用于高清地图构建中半监督学习新方法的学术论文。[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 →
