参考代码：GeMap

动机与出发点
出了原本针对单点的L1损失，车道线具备的几何结构信息作为监督信息也可以再被挖掘挖掘，像车道线实例中点和点之间的距离与夹角、线与线之间的夹角、不同线上点与点之间的关系都可用来作为监督约束，但是给出的消融实验显示对最后效果的影响不大。此外在车道线解码过程中attn_mask也可以做些改进，比如MapTR-V2种的inter和intra两个维度的attention可以做得更细粒度一点，也就是做intra-attn的时候只关注本车道线内部，做inter-attn的时候只关注除自身之外的其它实例，消融实验显示涨点也是这篇文章最本质的，这个attn_mask的机制还是有借鉴价值的。

线内部与线之间几何关系
通过组成线的点之间距离和夹角关系可以建立两个监督约束，基于单条线内部结构关系构建的$L_{shp}$，基于线之间相关性构建的$L_{rel}$

依据线的关系构建的attn_mask
将query中的描述车道线的点展开做self-attn，参考MapTR-V2中的不同层级的attn，这里也设计了两种attn，只不过用的attn_mask不一致。对于线内的attn使用一个二值mask乘上qk的结果，使得attn只关注线内的点，也就是下图中的shape attention。同理对于线之间也用一个二值mask描述与其它线点的关系，也就是下图中的relation attention。

结合消融实验的结果上面的几何先验构建的监督表现并不如预期，而更好的attn机制带来的涨点更多

实验结果
nuscenes数据集下性能比较：