Multi-view multimodal bev perception for centerline-centric road topology understanding with transformer decoders
Transformer çözücüler ile merkez çizgisi odaklı yol topolojisi anlamlandırması için çoklu görüşlü çok kipli bev algısı
- Tez No: 1018750
- Danışmanlar: PROF. DR. ALPTEKİN TEMİZEL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Modelleme ve Simülasyon Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, merkez çizgisi odaklı temsiller ve bunların trafik unsurlarıyla ilişkileri üzerinden transformer tabanlı yol topolojisi anlama problemini incelemektedir. Temel problem, karmaşık kentsel sahnelerde geometri ve topolojiyi birlikte modellemektir; çünkü şerit bağlantıları ve şerit-trafik unsuru atamaları planlama kalitesini doğrudan etkilemektedir. Tez, ortak bir transformer-çözücü formülasyonu içinde üç tamamlayıcı faz geliştirmektedir: (i) yön bilgisiyle denetlenen ve maske-Bezier çıktı füzyonu içeren maske tabanlı kip, (ii) eğri regresyonunu güçlendiren Bezier güdümlü decoder dikkati ve (iii) geliştirilmiş genelleme protokolleri ile çoklu modalite uzantılarını içeren coğrafi olarak ayrık ve uzun menzil analizleri. Modelleme tarafında çalışma, anahtar nokta regresyonuna veya parametrik regresyona alternatif olarak maske kipini sunmakta, maske, Bezier ve fusion etkileşimlerini analiz etmekte ve dallar arası yardımcı denetimin hangi koşullarda yakınsamayı ve nihai topoloji kalitesini iyileştirdiğini göstermektedir. Decoder tasarımında çok noktalı deformable attention, Bezier-regresyon tabanlı çözücülere uyarlanmış; ayrıca Bezier kontrol noktalarını doğrudan yapısal örnekleme kılavuzu olarak kullanan Bezier Deformable Attention (BDA) önerilmiştir. Tez, topoloji odaklı optimizasyon için hibrit eşleme ve one-to-many yardımcı denetimi de incelemekte, ayrıca topoloji güven skorlarının değerlendirilmesindeki eşik kaynaklı yanlılığı azaltmak için score-remapping protokolünü standartlaştırmaktadır. Deneyler, OpenLane-V2 ve OpenLane-V1 üzerinde tutarlı eğitim ve değerlendirme ayarlarıyla yürütülmüştür. OpenLane-V2 (V1.1) üzerinde sadece kamera ile performans Subset-A'da 51.7 OLS ve Subset-B'de 54.3 OLS değerine ulaşarak aynı protokol altında her iki alt kümede de state-of-the-art sonuç vermektedir. Çoklu modalite füzyonu ile OLS, Subset-A'da 56.4'e (camera plus LiDAR) ve 58.4'e (camera plus LiDAR plus SDMap), Subset-B'de ise 61.7'ye (camera plus LiDAR) yükselmektedir. Coğrafi olarak ayrık Near-split değerlendirmesinde score remapping ile yaklaşım 28.5 OLS-l ile state-of-the-art performans elde ederken, sadece maske ve sadece Bezier varyantları 27.3 OLS-l değerine ulaşmaktadır. Bu sonuçlar, maske ve Bezier dallarının tamamlayıcı olduğunu, BDA'nın Bezier performansındaki temel itici unsur olduğunu ve çoklu kipli algılamanın özellikle zorlayıcı ve uzun menzilli koşullarda belirgin fayda sağladığı gözlemlenmiştir.
Özet (Çeviri)
This thesis studies transformer-based road topology understanding with centerline-centric representations and their relations to traffic elements. The core problem is to jointly model geometry and topology in complex urban scenes, where lane connectivity and lane-to-traffic-element assignments directly affect planning quality. The thesis develops three complementary phases within a common transformer-decoder formulation: (i) a mask-based modality with directional supervision and mask-Bezier output fusion, (ii) Bezier-driven decoder attention for stronger curve regression, and (iii) geographically disjoint and long-range analyses with improved generalization protocols and multimodal extensions. On the modeling side, the study introduces a mask modality as an alternative to keypoint regression or parametric regression, analyzes mask, Bezier, and fusion interactions, and shows when cross-branch auxiliary supervision improves convergence and final topology quality. For decoder design, multi-point deformable attention is adapted to Bezier-regression decoders, and Bezier Deformable Attention (BDA) is proposed to use Bezier control points directly as structured sampling guidance. The thesis also investigates hybrid matching and one-to-many auxiliary supervision for topology-aware optimization, and standardizes a score-remapping protocol to avoid threshold-induced bias in topology confidence evaluation. Experiments are conducted on OpenLane-V2 and OpenLane-V1 with consistent training and evaluation settings. On OpenLane-V2 (V1.1), camera-only performance reaches 51.7 OLS in Subset-A and 54.3 OLS in Subset-B, achieving state-of-the-art camera-only performance in both subsets under the same protocol. With multimodal fusion, OLS improves to 56.4 (camera plus LiDAR) and 58.4 (camera plus LiDAR plus SDMap) in Subset-A, and to 61.7 (camera plus LiDAR) in Subset-B. Under geographically disjoint Near-split evaluation with score remapping, the approach achieves state-of-the-art performance with 28.5 OLS-l, while mask-only and Bezier-only variants both reach 27.3 OLS-l. These results show that mask and Bezier branches are complementary, BDA is a key driver for Bezier performance, and multimodal sensing is especially beneficial in challenging and long-range settings.
Benzer Tezler
- Toplu ve yaylı parametreli sistemlerde titreşim gücünün dağılımı: Bir kalite kontrol sistemine uygulanması
Başlık çevirisi yok
FARUK BAYRAKTAR
- Bir yolcu vagonunun dinamik tasarımı ve titreşim konferunun analizi üzerine bir yaklaşım
Dynamic design verification and vibratory comfort analysis of a passenger coach by using the lumped and the continious systems models
ERDAL ABA
- Deki: A multimodal image-to-code transformation and vision-based gui agents
Dekı: Çok modlu görüntüden koda dönüşüm ve görme tabanlı guı ajanları
RASUL OSMANBAYLİ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELÇUK ŞENER
- Türkiye'de çok modlu taşımacılık, AB ulaşım politikaları ve uyum sürecinin değerlendirilmesi
Multi modal transport in Turkiye, European transport policy and alignement in candidacy
CEREN BUKET
Yüksek Lisans
Türkçe
2006
UlaşımGazi ÜniversitesiTrafik Planlaması ve Uygulaması Ana Bilim Dalı (disiplinlerarası)
PROF. DR. SÜLEYMAN PAMPAL
- A novel approach for multimodality loco-regional robot-assisted biosensing
Başlık çevirisi yok
AHMET EREN SÖNMEZ
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUnıversıty Of HoustonDR. NIKOLAOS V. TSEKOS