利用增强的点集查询进行矢量化地图构建
内容提要
本文提出MapTR端到端框架，用于在线矢量高清地图构建。该方法将地图元素建模为带等价排列的点集，设计层次化查询嵌入和二分匹配，并引入辅助一对多匹配与密集监督以加速收敛。MapTR能处理任意形状地图元素，支持实时推理，在nuScenes和Argoverse2上达到最先进性能。
延伸解读
排列等价建模：稳定学习过程的关键
MapTR将地图元素建模为带等价排列的点集，这意味着同一地图元素的不同点序被视为等价，从而避免了因点序不同导致的歧义。这种建模方式能准确描述任意形状的地图元素，并稳定学习过程，是MapTR处理复杂地图元素的基础。
层次化查询与二分匹配：灵活编码结构信息
MapTR设计了层次化查询嵌入方案，灵活编码结构化的地图信息，并进行地图元素学习的层次二分匹配。这种设计使模型能够同时处理点级别和元素级别的匹配，从而更有效地学习地图元素的结构和关系。
辅助一对多匹配与密集监督：加速收敛
为了加速收敛，MapTR引入了辅助的一对多匹配和密集监督。一对多匹配允许一个预测对应多个真实值，提供更丰富的梯度信号；密集监督则在多个层次上施加监督，进一步促进模型快速学习。这些技巧共同提升了训练效率。
实时推理与SOTA性能：实际应用潜力
MapTR以实时推断速度运行，并在nuScenes和Argoverse2数据集上达到最先进的性能。这表明该方法不仅精度高，而且效率满足自动驾驶在线构建的需求，具有实际部署的潜力。代码已开源，便于进一步研究和应用。
Q&A
MapTR是什么？它主要用于什么任务？
MapTR是一个端到端框架，用于在线矢量高清地图构建。它能够处理任意形状的地图元素，并以实时推断速度运行，在nuScenes和Argoverse2数据集上达到了最先进的性能。
MapTR如何建模地图元素？
MapTR采用统一的排列等价建模方法，将地图元素建模为一个带有一组等价排列的点集，从而准确描述地图元素的形状并稳定学习过程。
MapTR使用了哪些技术来加速训练收敛？
MapTR引入了辅助的一对多匹配和密集监督来加速收敛。
MapTR在哪些数据集上取得了最先进的性能？
MapTR在nuScenes和Argoverse2数据集上达到了最先进的性能。
MapTR的推理速度如何？
MapTR以实时推断速度运行。
MapTR的代码和演示在哪里可以获取？
MapTR的代码和更多演示通过https://github.com/hustvl/MapTR提供。
