基于StyleGAN2和自注意力机制融合的道路驾驶场景生成方法OA
针对复杂道路场景要素多样性与结构复杂性导致的生成图像质量受限问题,提出了一种基于StyleGAN2和自注意力机制融合的道路驾驶场景生成方法。首先,基于道路线型与拓扑结构特征,将驾驶场景划分为单向车道、双向车道、交叉口及普通弯道四类典型场景,以降低场景生成复杂度;其次,通过在StyleGAN2框架的生成器和判别器中分别嵌入多头自注意力模块,构建了一种风格模块与自注意力模块级联的生成器模块架构,利用自注意力机制对特征图进行全局上下文建模,以增强模型对道路走向连续性和交通要素间复杂空间关系的长距离依赖建模能力。实验采用CIAC 2022道路数据集验证,结果表明:该方法在未分类数据集上FID(Fréchet inception distance)值显著优于原始StyleGAN2(降低13.5%),在分类数据集上的效果进一步提升,单向车道场景FID最优(FID=25.035),同时在训练效率与生成质量间实现较优平衡。该方法有效提升了生成场景的结构合理性与视觉真实感,为自动驾驶仿真测试提供可扩展的数据生成方案。
赵晨馨;邵建文;赵存彬;王凯;徐文勘
杭州职业技术大学,杭州310018浙江省数字精密测量技术研究重点实验室,杭州310018 浙江省质量科学研究院,杭州310018浙江省数字精密测量技术研究重点实验室,杭州310018 浙江省质量科学研究院,杭州310018浙江省数字精密测量技术研究重点实验室,杭州310018 浙江省质量科学研究院,杭州310018浙江省质量科学研究院,杭州310018
信息技术与安全科学
道路驾驶场景生成生成对抗网络自注意力机制StyleGAN2自动驾驶仿真测试
《计算机应用研究》 2026 (7)
P.2212-2218,7
国家重点研发计划课题(2022YFF0604803)浙江省“尖兵”领雁“研发攻关计划项目”(2023C01238)浙江省基础公益研究计划项目(LGC22E050004)浙江市场监督管理局科技项目(QN2023426,CY2023106,ZD2024010)杭州职业技术大学校级科研项目(KY202531,KY202527)。
评论