リアルな自動運転データセット増強に向けて:不一致の緩和によるリアル・仮想融合アプローチ

科学分野:

• コンピュータビジョン コンピュータビジョン
• ロボット工学 ロボット工学 ロボット工学
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• 自動運転システムは,信頼性の高いオブジェクト認識のために広範なデータセットを必要とします.
• 稀有または危険なシナリオのための現実世界のデータを取得することは,高価で危険です.
• 純粋に合成されたデータは,視覚的および物理的な不一致のために,しばしば現実のギャップを示します.

研究 の 目的:

• 自動運転のための現実的な拡張画像データセットを生成するための新しいリアル-仮想融合フレームワークを提案する.
• 現実世界のデータ取得の限界と,合成データにおける現実のギャップに対処するために.
• 自動運転感知モデルの一般化能力を高めるために.

主な方法:

• 韓国のK-Cityの実際の運転データを活用しています.
• 検索テーブルと微調整されたローカライゼーションを使用して,リアルデータをデジタルツイン環境 (Morai Sim) と同期します.
• 様々な仮想オブジェクトを実際の画像の背景に注入し,照明のマッチングのような不一致を軽減するテクニックを使用します.

主要な成果:

• リアル・バーチャル・フュージョン・ストラテジーは,合成データと実際のデータの間の現実のギャップを効果的に埋めています.
• このフレームワークは,データセットの拡張のための費用対効果的で安全な方法を提供します.
• 実験結果は,知覚モデルの改善された一般化を示しています.

結論:

• 提案されたリアル・バーチャル・フュージョン・フレームワークは,自動運転のための高精度データセットを作成するための実行可能なソリューションを提供します.
• このアプローチは,自動運転システムの頑丈性と安全性を高めます.
• この方法は,自動運転の研究におけるデータ取得の課題を克服するのに役立ちます.