Synthetic Data for Perception in Autonomous Driving

Savkin, Artem

Artem Savkin

If you experience problems opening the document, please try this link.

Original title:: Synthetic Data for Perception in Autonomous Driving
Translated title:: Synthetische Daten für die Perzeption im Autonomen Fahren
Author:: Savkin, Artem
Year:: 2023
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Tombari, Federico (Priv.-Doz. Dr. habil.)
Referee:: Tombari, Federico (Priv.-Doz. Dr. habil.); Belagiannis, Vasileios (Prof. Dr.); Burschka, Darius (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
TUM classification:: MED 230; DAT 760
Abstract:: This work explores data synthesis methods for autonomous driving and proposes several techniques to improve it. First, a realistic traffic scene augmentation with virtual pedestrians. Next, the importance weighting strategy for semantically consistent sim-to-real image transfer and content style disentanglement approach to tackle content hallucinations in sim-to-real domain adaptation. Finally, the synthesis pipeline based on unsupervised image generation from procedural synthetic scene graphs.
Translated abstract:: Diese Arbeit untersucht und verbessert Datensynthese für das autonome Fahren. Zunächst, realistisches Augmentieren von Verkehrsszene mit 3D Fußgängern. Zusätzlich, wird eine Strategie zur Gewichtung der Wichtigkeit und ein Ansatz zur Entflechtung des Inhaltsvektors vorgestellt, um inhaltliche Halluzinationen bei der Anpassung von synthetischen zu realen Daten zu vermeiden. Schließlich die Synthese-Methode, die auf unüberwachter Bilderzeugung aus prozeduralen synthetischen Szenegraphen basiert.
WWW:: https://mediatum.ub.tum.de/?id=1695355
Date of submission:: 17.02.2023
Oral examination:: 29.11.2023
File size:: 66330493 bytes
Pages:: 142
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231129-1695355-1-0
Last change:: 29.12.2023
BibTeX