基于向量化高清地图构建的流查询去噪
内容提要
该文汇总多项研究：StreamMapNet实现长序列在线高清地图构建，达14.2FPS；双向流式视频去噪利用双向缓存块实现实时去噪；HDMapNet融合多传感器学习语义地图；StreamDEQ以隐式层连续推断视频表示；MapEX利用已有地图改进在线HDMap估计；扩散模型8位量化加速生成；VectorMapNet实现端到端矢量化地图，mAP提升14.2/14.6；车载摄像头长距离矢量化建图超6.5mAP、18.3FPS；DnSS针对spike相机去噪；分布对齐增强扩散模型量化。
延伸解读
在线高清地图构建的实时性进展
文章汇总的多个研究显示，在线高清地图构建正朝着实时性方向推进。StreamMapNet在长序列建模下达到14.2FPS，而另一项基于车载摄像头的端到端方法在长距离场景中达到18.3FPS，并超过此前最优模型6.5 mAP。这表明在线建图在保持较高推理速度的同时，精度也在提升，但各方法的测试数据集和场景不同，直接比较速度与精度需谨慎。
矢量化地图与查询式估计的互补路径
VectorMapNet采用端到端矢量化管道，在nuScenes和Argoverse2上mAP分别提升14.2和14.6；MapEX则通过将地图元素编码为查询令牌并改进匹配算法，利用已有地图提升在线估计。两者分别从输出表示和训练匹配角度改进高清地图估计，说明矢量化输出与查询式框架可以并行发展，但文章未给出二者直接对比或融合的实验结果。
去噪与量化加速的跨领域借鉴
文章还收录了视频去噪、扩散模型量化及spike相机去噪等工作。双向流式视频去噪借助双向缓存块实现实时去噪；扩散模型8位量化无需重训练即可加速生成；DnSS针对spike相机噪声机制提出基准与框架。这些方法虽不直接构建地图，但去噪和量化思路可能对车载感知与地图生成的效率、鲁棒性有参考价值，不过文章未说明它们已应用于地图任务。
Q&A
StreamMapNet 在线高清地图构建的推理速度是多少？
StreamMapNet 保持 14.2 FPS 的在线推理速度。
双向流式视频去噪方法的核心模块是什么？
核心模块是双向缓存块，用于实时去除过去和未来时间段的噪声。
HDMapNet 相比传统基线方法有什么优势？
HDMapNet 通过多传感器数据融合，能更好地动态构建地图语义，性能优于传统基线方法。
MapEX 如何改进在线高清地图估计？
MapEX 通过考虑已有地图，将地图元素编码为查询令牌，并改进匹配算法来提升在线 HDMap 估计性能。
VectorMapNet 在哪些数据集上进行了评估，mAP 提升多少？
在 nuScenes 和 Argoverse2 数据集上评估，mAP 分别提高了 14.2 和 14.6。
车载摄像头长距离矢量化建图达到了什么性能？
在 nuScenes 数据集上，长距离场景超过以往最新模型 6.5 mAP，同时达到 18.3 FPS。
