69、用于稳健自动驾驶车辆感知的场景图嵌入

用于稳健自动驾驶车辆感知的场景图嵌入

1. 模型架构

在自动驾驶车辆感知中，为了实现更稳健的风险评估，我们构建了一个基于场景图嵌入的模型。该模型主要包含以下几个关键部分：
- 图池化层 ：
- 首先，通过以下公式计算池化后的节点嵌入 $\mathbf{X} t^{pool}$：
[
\mathbf{X}_t^{pool} = (\mathbf{X}_t^{prop} \odot \tanh(\alpha))_P
]
其中，$\odot$ 表示逐元素相乘，$(\cdot)_P$ 表示基于 $P$ 提取节点子集的操作。
- 接着，计算池化后的邻接矩阵 $\mathbf{A}_t^{pool}$：
[
\mathbf{A}_t^{pool} = \mathbf{A}_t^{prop} {(P,P)}
]
这里，$(\cdot) {(P,P)}$ 表示形成该子集中节点之间的邻接矩阵。
- 最后，使用图 READOUT 操作聚合图池化层的节点嵌入 $\mathbf{X}_t^{pool}$，得到每个场景图 $G_t$ 的最终图级嵌入 $\mathbf{h} {G_t}$：
[
\mathbf{h}_{G_t} = READOUT(\mathbf{X}_t^{pool})
]
READOUT 操作可以是求和（sum - pooling）、求平均（mean - pooling）或选择每个特征维度的最大值（max - pooling）。这个过程会在所有图像上重复，生成嵌入序列 $\mathbf{h