车道线检测想发论文但是没有好的baseline如何解决--------RVLD: sota帮你忙

         今天给大家分享一个自动驾驶领域必备的项目，车道线检测出的sota论文，代码论文全部开源，方便作为自己的baseline改进发表各个层级的论文

今天分享的论文是：RVLD: 递归视频车道线检测，是由高丽大学发表的，并创建OpenLane-V数据集，在视频车道线数据集上性能表现SOTA! 代码刚刚开源

本文提出了一种检测视频中道路车道线的新算法，称为递归视频车道线检测器 (RVLD)，该算法将当前帧的状态递归地传播到下一顿。RVLD 由内车道线检测器(ILD) 和预测车道线检测器(PLD) 组成。 首先，我们设计 ILD 来定位静止帧中的车道。其次，我们开发 PLD 来利用前一顿的信息进行当前帧中的车道检测。 为此，我们估计运动场并将先前的输出扭曲到当前帧使用扭曲信息，我们细化当前帧的特征图，以更可靠地检测车道线。 实验结果表明，RVLD 在视频车道线数据集上的性能优于现有检测器

代码： https://github.com/dongkwonjin/RVLD

论文：https://arxiv.org/abs/2308.09372

关注公众号 CV算法小屋 了解更多前沿aigc技术

加免费技术交流群：加我微信 Lh1141755859

也可以加入精品付费知识星球：AIGC生成技术交流 星球号：38231110

本星球主要分享AIGC最新技术，包括数字人实战技术、AI作画技术、声音克隆技术、大语言模型技术、三维重建技术等。我们还提供校招信息、面试题等内容，帮助各个层次的人实现自己的理想。不论是校招还是社招，还是你想快速融入AIGC创业潮流，迅速掌握AIGC论文方法的更新迭代，这个星球都适合你