IndiVNet：非構造化環境における自動運転のための領域適応型セマンティック画像セグメンテーション

科学分野:

• コンピュータビジョン
• ロボット工学
• 人工知能

背景:

• 自動ナビゲーションは、異種交通と貧弱な道路インフラストラクチャのために開発途上地域で課題に直面しています。
• 構造化データでトレーニングされた現在のセマンティックセグメンテーションモデルは、非構造化環境に対する一般化能力が不足しています。

研究 の 目的:

• 非構造化インドの運転シナリオ向けに設計された新しいセマンティックセグメンテーションアーキテクチャであるIndiVNetを提案すること。
• 多様な実世界の条件下での自動ナビゲーションシステムの堅牢性とスケーラビリティを向上させること。

主な方法:

• マルチスケールの文脈情報を効果的に捉えるために、IndiVNetアーキテクチャ内にプログレッシブ拡張エンコーダー（6→16）を導入しました。
• India Driving Dataset（IDD）およびCAMVIDデータセットでモデルをトレーニングおよび評価しました。

主要な成果:

• IndiVNetはIDDで69.98%の平均IoU（mIoU）を達成し、既存のCNNおよびTransformerベースラインを上回りました。
• CAMVIDデータセットで73.2%のmIoUを達成し、強力なクロスドメイン一般化を示しました。
• モデルは、文脈理解とリアルタイム処理効率のバランスをとります。

結論:

• IndiVNetは、複雑で非構造化な環境における堅牢な自動ナビゲーションのためのスケーラブルで領域認識型ソリューションを提供します。
• 提案されたアーキテクチャは、多様な運転条件下での現在のモデルの制限に対処します。
• この研究は、開発途上地域における自動運転技術の進歩に貢献します。