PPR-2504.17371
Paper
Highly Accurate and Diverse Traffic Data: The DeepScenario Open 3D Dataset
| id | |
|---|---|
| updated | |
| type | paper |
| title | Highly Accurate and Diverse Traffic Data: The DeepScenario Open 3D Dataset |
| alias | DeepScenario |
| authors | Oussema Dhaouadi, Johannes Meier, Luca Wahl, Jacques Kaiser, Luca Scalerandi, Nick Wandelburg, Zhuolun Zhou, Nijanthan Berinpanathan, Holger Banzhaf, Daniel Cremers |
| venue | IEEE IV 2025（arXiv:2504.17371） |
| arxiv | 2504.17371 |
| tier | 0 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-08 |
| version | arXiv:2504.17371（下载源 2026-09-08） |
| source-hash | sha256:8d51f71a7e7bbe1e88af070cf04f5e6db23526a41985e956439c1c1fcb6475d2 |
| admitted-under | A2-direct-edge |
| admission-note | G2DP 引用本工作（DeepScenario，Dhaouadi et al., IV 2025）：无人机采集真实 3D 轨迹数据集，G2DP 转换为 nuPlan 格式做分布偏移零样本评测。 |
定位
无人机视角采集的开放 3D 交通轨迹数据集（Dhaouadi et al., IEEE IV 2025）。本库地位：G2DP 的 DeepScenario 零样本实验（CLM-027/EVI-027，Table 5）的数据来源——分布偏移证据（真实密集交通，非 nuPlan 同分布）。
事实锚点（TeX @ source-hash；G2DP 侧锚定 05_experiments.tex）
- 数据模态：无人机（drone）高空录制城市交通，输出 3D 轨迹（非车载传感器流）——与 nuPlan 的采集几何本质不同。
- G2DP 使用口径（PPR-2606.26017 §5）：logs 转换为 nuPlan 格式，过滤无效初始化（初始碰撞/出路外）后得 411 个可行场景；零样本 NR 评测，模型为 nuPlan 训练版冻结。
与本库各卡的关系
- 零样本协议 → FRM-2606.26017 AX-5；读数 → EVI-027/CLM-027。
- 转换链路依赖 nuPlan 格式 → DAT-002。
Provenance 与 Review Log
- 原文缓存：
cache/sources/2504.17371/（TeX，2026-09-08）。 - 2026-09-08 初建（基准定义论文批次）。
关联（5）
- PPR-2606.26017 G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance
- DAT-002 nuPlan v1.1 原生数据分发（nuscenes.org，20Hz .db）
- FRM-2606.26017 G2DP 五层重建：核心对象是 CPT-013 时空代价体（占据概率栅格 × 路线进度图融合）在推理期的可微引导；公理层为能量重加权目标分布、Top-K 车体聚合与末段注入等六个作者前提；论证主干是 Table 4 在同一 DiT 骨干下隔离『稠密网格 vs 稀疏实例』的引导模态消融（稀疏臂按 PPR-2501.15564 附录 C 实现、以 oracle 邻车供给）。
- CLM-027 零样本迁移真实无人机记录的密集城市交通（DeepScenario，NR）：安全与路线推进增益保持，碰撞避免与推进维度大幅超过 Diffusion Planner、推进维度反超规则基线 PDM-Closed；drivable area 与 driving direction 非最优。
- EVI-027 Table 5：G2DP 较 DP collision +11.0、progress +10.5、TTC +6.7；progress/along-route 超 PDM-Closed。