Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Synthetic Data for Perception in Autonomous Driving
Übersetzter Titel:
Synthetische Daten für die Perzeption im Autonomen Fahren
Autor:
Savkin, Artem
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Tombari, Federico (Priv.-Doz. Dr. habil.)
Gutachter:
Tombari, Federico (Priv.-Doz. Dr. habil.); Belagiannis, Vasileios (Prof. Dr.); Burschka, Darius (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
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.
Übersetzte Kurzfassung:
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
Eingereicht am:
17.02.2023
Mündliche Prüfung:
29.11.2023
Dateigröße:
66330493 bytes
Seiten:
142
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231129-1695355-1-0
Letzte Änderung:
29.12.2023
 BibTeX