본 논문은 자율 주행 환경 인식에 필수적인 고해상도 지도 재구축을 위한 새로운 프레임워크인 FastMap을 제안합니다. 기존 DETR 기반 벡터 지도 재구축 방법의 디코더 구조 중복성으로 인한 계산 비효율성 문제를 해결하기 위해, 단일 계층의 2단계 트랜스포머를 사용하여 다중 수준 표현 능력을 달성하는 최적화된 디코더 아키텍처를 제시합니다. 임의의 쿼리 초기화 대신, 학습 가능한 위치 인코딩을 사용하여 이미지 특징을 구조화된 쿼리 벡터로 매핑하는 히트맵 기반 쿼리 생성 모듈을 도입하고, 기존의 점대점 손실 계산에서 발생하는 동질적인 특징 구분 문제를 해결하기 위해 기하 제약 점선 손실 메커니즘을 제안합니다. nuScenes 및 Argoverse2 데이터셋에서의 실험 결과, FastMap은 기존 방법보다 우수한 성능을 보이며, 디코더 속도는 기준 모델보다 3.2배 빠릅니다.
