Tag · 3 篇

车道线检测

分布 鲁棒性与安全1自动驾驶与遥感1生成模型与扩散1
01
鲁棒性与安全 / CVPR2026

面向车道线检测的隐蔽有效后门攻击:一种自然化数据投毒方法

Towards Stealthy and Effective Backdoor Attacks on Lane Detection: A Naturalistic Data Poisoning Approach

用扩散模型在易受攻击区域合成自然化后门触发器,并配合梯度热图定位最优注入位置,为视觉模型后门攻防研究提供了可复用的触发器生成与位置搜索范式。

后门攻击数据投毒扩散模型
02
自动驾驶与遥感 / CVPR2026

TopoHR:面向驾驶场景循环拓扑推理的分层中心线表示与点-实例关系

TopoHR: Hierarchical Centerline Representation for Cyclic Topology Reasoning in Driving Scenes with Point-to-Instance Relations

TopoHR 提出分层中心线表示(点查询、实例查询、语义表示)与分层拓扑推理模块,在统一架构中同时建模点-实例(P2I)和实例-实例(I2I)关系,并让中心线检测与拓扑推理形成循环增强。对做自动驾驶感知的研究者,这套 P2I 关系建模和端到端循环交互设计可直接迁移到车道线拓扑、路网结构理解等任务。

车道线检测拓扑推理分层表示学习
03
生成模型与扩散 / CVPR2026

HG-Lane:无需重新标注的恶劣天气与光照条件下高保真车道场景生成

HG-Lane: High-Fidelity Generation of Lane Scenes under Adverse Weather and Lighting Conditions without Re-annotation

无需重新标注即可在雨雪雾与夜间/黄昏条件下合成高保真车道场景图像,可直接作为车道线检测等下游任务的数据增广手段,缓解极端条件数据稀缺导致的模型失效。

恶劣天气图像生成数据增强车道线检测