Key points are not available for this paper at this time.
目前，高清 (HD) 地图构建趋向于轻量级的在线生成，以保持及时和可靠的道路场景信息。然而，地图元素具有强烈的形状先验。细微且稀疏的注释使得当前基于检测的框架在定位相关特征范围时模糊不清，并导致预测中详细结构的丢失。为了解决这些问题，我们提出了MGMap，一种有效突出信息区域的基于掩模的方法，通过引入学习的掩模实现精确的地图元素定位。具体而言，MGMap采用基于增强的多尺度BEV特征从两个视角学习的掩模。在实例级别，我们提出了掩模激活实例 (MAI) 解码器，它通过激活实例掩模将全局实例和结构信息纳入实例查询。在点级别，设计了一种新颖的位置引导掩模补丁细化 (PG-MPR) 模块，从更精细的角度细化点位置，使得提取点特定补丁信息成为可能。与基线相比，我们提出的MGMap在不同输入模态下实现了约10 mAP的显著提升。广泛的实验还表明，我们的方法展示了强大的鲁棒性和泛化能力。我们的代码可以在 https://github.com/xiaolul2/MGMap 找到.
刘等 (Sun,) 研究了这个问题。