ARETE: HSV変換された群衆車両データを用いた注意機構ベースのラスタ符号化によるトポロジー推定

- 自動運転のためのHDマップ生成において、車両群から収集した走行軌跡（crowdsourced vehicle trajectories）から道路のcenterlineとlane dividerを生成する手法を提案。 - 車両軌跡をラスタライズ表現に変換し、Detection Transformer (DETR) ベースのモデルでベクトル化された車線表現を予測する。 - 各車線は方向を持つcenterlineと、それに幾何学的に制約されたlane dividerから構成される。 - ローカルタイルを抽出し、そのタイル内の軌跡を集約してラスタライズ表現に変換する。 - 公開データセットnuScenesとnuPlan、および内部データセットで実験を行った。

- 従来のHDマップ生成は高価な専用車両や手動アノテーションに依存することが多かったが、本手法は一般車両から収集したcrowdsourcedデータを活用する点が新しい。 - 車両軌跡を直接ベクトル化するのではなく、ラスタライズ表現を介してDETRで処理することで、軌跡の存在と方向を同時にエンコードし、ベクトル化された方向付き車線を予測できる。 - 具体的な先行研究との比較は要旨からは不明。

- 車両軌跡をローカルタイルごとに集約し、各タイルをラスタライズ表現に変換する。この表現は各軌跡の存在と方向をエンコードする。 - ラスタライズ画像を入力として、Detection Transformer (DETR) ベースのモデルがベクトル化された車線（centerlineとlane divider）を予測する。 - 予測されるcenterlineは方向を持ち、lane dividerはcenterlineに幾何学的に制約される。 - HSV変換（タイトルより）をラスタライズ表現に適用している可能性があるが、要旨には明記されていない。

- 内部データセットに加え、公開データセットであるnuScenesとnuPlanで実験を行った。 - 評価指標や具体的な結果は要旨からは不明。

- 議論や限界については要旨からは不明。

- 要旨で参照されている研究は明示されていないが、関連手法としてDetection Transformer (DETR) や、HDマップ生成のためのcrowdsourcedデータ活用に関する研究が挙げられる。 - 公開データセットnuScenesやnuPlanを用いた車線検出・トポロジー推定の論文も参考になる。