Il Framework GOLD-BEV Utilizza Immagini Aeree per Addestrare la Mappatura Semantica Densa a Vista d'Uccello per Scene Dinamiche

Un nuovo framework di ricerca, denominato GOLD-BEV, è stato sviluppato per generare mappe semantiche dense di ambienti stradali da un punto di vista egocentrico. Questo approccio utilizza rappresentazioni a vista d'uccello per analizzare scene dinamiche mantenendo la coerenza geometrica, fondamentale per applicazioni di pianificazione e mappatura. Il processo di addestramento sfrutta immagini aeree sincronizzate temporalmente per la supervisione, eliminando la necessità di un'ampia etichettatura manuale. Questa sincronizzazione affronta efficacemente i problemi legati ai partecipanti al traffico in movimento e mitiga le incoerenze temporali derivanti da fonti aeree non sincronizzate. I ritagli aerei allineati alla vista d'uccello forniscono uno spazio target intuitivo, facilitando l'annotazione semantica densa con sforzo minimo ed evitando ambiguità legate all'etichettatura BEV esclusivamente egocentrica. La metodologia genera target densi scalabili creando pseudo-etichette BEV attraverso insegnanti aerei adattati al dominio. Questo framework consente l'addestramento congiunto della segmentazione BEV e include opzionalmente la ricostruzione pseudo-aerea BEV per una migliore interpretabilità. I risultati sono dettagliati nella pre-stampa arXiv:2604.19411v1, pubblicata come cross submission. Lo studio enfatizza l'apprendimento da sensori egocentrici per creare mappe ambientali dettagliate che includono agenti dinamici.