成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

<code id="gokmm"><tr id="gokmm"></tr></code>

<button id="gokmm"><input id="gokmm"></input></button>

<samp id="gokmm"></samp>

<li id="gokmm"><input id="gokmm"></input></li>

<rt id="gokmm"><acronym id="gokmm"></acronym></rt>

<li id="gokmm"></li>

鴻蒙開發者社區

公眾號矩陣

移動端

視頻課免費課排行榜短視頻直播課軟考學堂

全部課程軟考信創認證華為認證廠商認證 IT技術 PMP項目管理免費題庫

文章資源問答課堂專欄直播

51CTO

鴻蒙開發者社區

51CTO技術棧

51CTO官微

51CTO學堂

51CTO博客

CTO訓練營

鴻蒙開發者社區訂閱號

51CTO軟考

51CTO學堂APP

51CTO學堂企業版APP

鴻蒙開發者社區視頻號

51CTO軟考題庫

賬號設置退出

智能汽車

802內容??

關注

向廣大IT專業技術人員提供智能駕駛、車聯網、智能座艙以及所有和智能網聯汽車相關的新鮮資訊、前沿技術、發展趨勢等內容。

共 802 條

SelfOcc：首篇純視覺環視自監督三維占有預測（清華大學）

今天自動駕駛之心為大家分享清華大學自動化系的最新工作SelfOcc，首篇純視覺環視自監督三維占有預測新方案。文章作者也是自動駕駛之心的老朋友黃原輝和鄭文釗博士！

2024-01-09 09:37:36

自動駕駛視覺

2024年自動駕駛行業風口在哪？

展望2024年，商業化任然是風口的關鍵詞。大膽預測下人才流向風口。

2024-01-09 09:24:18

自動駕駛人才

SparseOcc：全稀疏3D全景占用預測（語義+實例雙任務）

作者引入了一種新的完全稀疏全景占用網絡，稱為SparseOcc。SparseOcc最初從視覺輸入重建稀疏的3D表示。隨后，它使用稀疏實例查詢來從稀疏3D表示預測每個目標實例。

2024-01-08 09:33:28

自動駕駛 3D

何為交互感知？全面回顧自動駕駛中的社會交互動態模型與決策前沿！

在這份文獻綜述中，作者對IAAD研究的當前狀態進行了調研。從對術語的調研開始，關注點集中在仿真駕駛員和行人行為的挑戰和現有模型上。

2024-01-08 09:27:28

自動駕駛模型

萬字長文談自動駕駛BEV感知

其實自動駕駛bev算法是個很寬泛的說法，bev也就是bird's-eye-view，是指從鳥瞰視角來做task的范式；從數據來說有純視覺的bev，純雷達的bev，也有視覺雷達or其他多傳感器融合的bev。

2024-01-05 08:30:26

自動駕駛算法

端到端的自動駕駛會取代Apollo、autoware這類框架嗎？

這篇文章是對近期端到端自動駕駛在 nuScenes 數據集上評測的一次正本清源。不論是隱式端到端直接出 Planning 信號，還是顯式端到端有中間環節的輸出，很多都是在 nuScenes 數據集上評測的 Planning 指標，而 Baidu 這篇文章指出這種評測并不靠譜。

2024-01-04 09:35:41

自動駕駛端到端

走向閉環！DriveMLM：LLM與自動駕駛行為規劃的完美匹配！

本文深入研究了大型語言模型（LLM）在自動駕駛（AD）中的潛力。進而提出了DriveMLM，這是一種基于LLM的AD框架，可以在仿真環境中實現閉環自動駕駛。

2024-01-04 09:27:00

模型自動駕駛

主流自動駕駛方案的庖丁解牛，商用車和乘用車的本質需求到底有什么異同？

本文對商用車、乘用車主流自動駕駛技術分傳感器配置、系統架構、感知、預測、規劃控制等模塊進行了分析總結。

2024-01-03 09:48:15

駕駛技術架構

還不知道？近20+自動駕駛數據集、榜單和Benchmark匯總

最近很多小伙伴問到自動駕駛數據集和比賽相關的事宜，也想好好參考下別人的方案和技術棧，今天為大家盤點下常用的幾個榜單！

2024-01-02 11:47:00

自動駕駛數據

性能爆炸！最新MapEX：大幅超過現有所有SOTA，無圖感知要來了？？？

本文建議通過考慮現有地圖來改進在線HDMap估計。主要確定了三種合理類型的現有地圖（簡單地圖、帶噪和老的地圖）。此外本文還介紹了MapEX，這是一個新的在線HDMap構建框架，用于感知現有的地圖。

2024-01-02 11:43:39

MonoLSS：用于視覺3D檢測訓練中的樣本選擇

論文強調，并非所有特征對學習3D屬性都同樣有效，并首先將其重新表述為樣本選擇問題。相應地，開發了一種新的可學習樣本選擇（LSS）模塊，該模塊可以自適應地選擇樣本。

2023-12-29 10:06:00

Gemini vs GPT-4V到底哪家強？視覺-語言模型的全面比較和結合使用

這篇論文提供了對谷歌的Gemini和OpenAI的GPT-4V(ision)兩個SOTA模型的深入定性比較研究。我們的研究涉及到對這兩個模型在視覺語言能力、與人類的互動、時間理解以及智力和情感智商等關鍵維度上的多方面評估。

2023-12-29 09:55:03

數據閉環！DrivingGaussian：逼真環視數據，駕駛場景重建SOTA

本文提出了DrivingGaussian，這是一種基于所提出的復合高斯Splatting的用于表示大規模動態自動駕駛場景的新框架。

2023-12-28 09:35:59

自動駕駛框架

超越BEVFusion！Lift-Attend-Splat：最新BEV LV融合方案

本文介紹了一種新的相機-激光雷達融合方法，稱為“Lift Attented Splat”，該方法完全繞過單目深度估計，而是使用簡單的transformer在BEV中選擇和融合相機和激光雷達特征。

2023-12-27 08:28:54

自動駕駛模型

什么？NeRF還能提升BEV泛化性能！首個BEV跨域開源代碼并首次完成Sim2Real！

本文提出了一種基于隱式渲染的BEV檢測框架，能夠解決未知域的物體檢測問題。該框架通隱式渲染來建立物體3D位置和單個視圖的透視位置關系,這可以用來糾正透視偏差。

2023-12-27 08:22:34

框架 3D 檢測

DrivingGaussian：逼真環視數據，駕駛場景重建SOTA

本文提出 DrivingGaussian，這是一個針對動態自動駕駛場景的高效率和高效益的框架。對于具有移動物體的復雜場景，本文首先使用增量靜態3D高斯 (incremental static 3D Gaussians) 順序漸進地對整個場景的靜態背景進行建模。

2023-12-26 09:29:12

自動駕駛數據

純小白入門，開山之作NeRF學習筆記！

本文是我在學習自動駕駛之心《NeRF與自動駕駛論文帶讀課程》輸出的個人學習筆記和總結，歡迎大家一起加入課程一起學習交流~

2023-12-25 09:35:51

自動駕駛技術

逆天！真實可控、可拓展，自動駕駛仿真平臺LightSim上新

研究者們提出了從真實數據中生成配對的光照訓練數據的方法，解決了數據缺失和模型遷移損失的問題。

2023-12-20 09:33:01

駛向『閉環』| LMDrive：首篇基于LLM的閉環端到端自動駕駛

本文介紹了LMDrive，這是一個語言引導的端到端閉環自動駕駛框架。LMDrive結合了自然語言指令和多模式傳感器數據，實現了復雜駕駛場景中的人機交互和導航。

2023-12-18 10:15:30

自動駕駛自然語言

Far3D：直接干到150m，視覺3D目標檢測新思路（AAAI2024）

近來，從環視圖像中進行三維物體檢測取得了顯著進展，其部署成本較低。然而，大多數研究主要集中在近距離感知范圍，對遠距離檢測的研究較少。

2023-12-14 11:18:16

首次超過70% mAP！GeMap：局部高精地圖SOTA再次刷新

現有的在線向量化高精地圖構建方法缺乏對地圖元素幾何性質（包括元素的形狀，垂直、平行等幾何關系）的探索。

2023-12-13 10:07:56

地圖自動駕駛

RV融合！自動駕駛中基于毫米波雷達視覺融合的3D檢測綜述

本論文詳細介紹了基于毫米波雷達和視覺融合的障礙物檢測方法，從任務介紹、評估標準和數據集三方面展開。

2023-12-12 10:23:54

自動駕駛雷達視覺

僅使用卷積！BEVENet：面向自動駕駛BEV空間的高效3D目標檢測

BEVENet提出了一種高效的基于BEV的3D檢測框架，它利用僅卷積的架構設計來規避ViT模型的限制，同時保持基于BEV方法的有效性。

2023-12-12 10:09:33

3D 框架模型

端到端自動駕駛系統的關鍵技術與發展趨勢

近期，來自于清華大學的李升波等學者的論文，討論了端到端汽車自動駕駛系統的關鍵技術與發展趨勢。

2023-12-11 10:29:11

自動駕駛系統

把檢測器加進來，YOLOv8部署實戰！

本文是我在學習韓博《CUDA與TensorRT部署實戰課程》第六章的課程部分輸出的個人學習筆記。

2023-12-11 10:18:38

YOLOv8 檢測器實戰

2024年最大的坑？基于深度學習的端到端自動駕駛最新綜述

端到端自動駕駛是一種完全可微分的機器學習系統，它將原始傳感器輸入數據和其他元數據作為先驗信息，并直接輸出自車的控制信號或規劃軌跡。本文試圖系統地回顧最近所有基于機器學習的技術來實現這一端到端任務。

2023-12-08 09:50:44

自動駕駛機器學習數據

RangePerception：Range View3D檢測新思路！

本文介紹了 RangePerception，這是一種基于 RV 的 3D 檢測框架，可有效解決空間錯位(Spatial Misalignment)和視覺損壞(Vision Corruption)的挑戰。

2023-12-07 13:14:54

擴散一切？3DifFusionDet：擴散模型殺進LV融合3D目標檢測！

3DifFusionDet框架將3D目標檢測表示為從有噪聲的3D框到目標框的去噪擴散過程。在這個框架中，真值框以隨機分布擴散進行訓練，模型學習反向噪聲過程。

2023-12-07 13:07:59

3D 模型訓練

短小精悍的BEV實例預測框架：PowerBEV

BEV（鳥瞰圖）發展至今，已然成為自動駕駛特征不可或缺的重要部分。然而，過于繁重的算法架構和輸出冗余使得基于BEV的自動駕駛算法不能直接投入量產使用，本文提出了一個短小精悍的BEV實例預測框架，提高BEV算法部署和應用的效率。

2023-12-06 09:49:36

自動駕駛算法

更深層的理解視覺Transformer，對視覺Transformer的剖析

目前基于Transformer結構的算法模型已經在計算機視覺（CV）領域展現出了巨大的影響力。他們在很多基礎的計算機視覺任務上都超過了之前的卷積神經網絡（CNN）算法模型。

2023-12-06 09:37:55

NeuRAD: 用于自動駕駛的神經渲染（多數據集SOTA）

本文目標是學習一種表示，從中可以生成真實的傳感器數據，其中可以改變自車平臺、行動者的姿態，或者兩者兼而有之。

2023-12-05 09:40:18

自動駕駛數據

DetZero：Waymo 3D檢測榜單第一，媲美人工標注！

本文主要介紹由香港中文大學MMLab和上海人工智能實驗室等機構合作的離線3D物體檢測算法DetZero，已被ICCV2023收錄！如果您有相關工作需要分享，請在文末聯系我們！

2023-12-04 09:41:49

算法自動駕駛

駛向未來，首個多視圖預測+規劃自動駕駛世界模型來了

Drive-WM 模型通過多視圖世界模型，能夠想象不同規劃路線的未來情景，并根據視覺預測獲取相應的獎懲反饋，從而優化當前的路線選擇，為自動駕駛系統的安全提供了保障。

2023-12-04 09:33:00

自動駕駛視覺

為端到端鋪平道路！OccWorld：面向自動駕駛未來的3D占用世界模型新方案

這里探索了一種在3D占用空間中學習世界模型OccWorld的新框架，同時預測自車的運動和周圍scene的演變。

2023-12-01 10:37:20

自動駕駛 3D

TensorRT是如何做到架構更快的？

文章總結了TensorRT工具鏈以及TensorRT后端優化流程。

2023-11-30 10:13:17

TensorRT 架構

全景/魚眼相機低速自動駕駛的近距離感知

本文的工作部分受到了Malik等人在[5]中的工作的啟發。這項工作的作者提出，計算機視覺的核心問題是重建、識別和重組，他們稱之為計算機視覺的3R。

2023-11-29 11:28:21

FlashOcc：占用預測新思路，精度、效率和內存占用新SOTA！

本文介紹了一種稱為 FlashOCC 的即插即用方法，旨在實現快速且內存高效的占用預測。它直接用 2D 卷積替換基于體素的占用方法中的 3D 卷積，并結合通道到高度變換(channel-to-height transformation) 將扁平化的 BEV 特征重塑為占用 logits。

2023-11-28 09:37:12

3D 自動駕駛

性能爆炸！最新MapEX：大幅超過現有所有SOTA，無圖感知真的要來了？

本文建議利用現有地圖來改進在線HDMap構建。為了研究這一點，作者概述了現有（簡單地圖、帶噪或過時）地圖可用的三種現實場景，并引入了一個新的MapEX框架來利用這些地圖。

2023-11-28 09:24:51

自動駕駛地圖

大火的4D Radar開源數據匯總

對于自動駕駛車輛來說，高可靠性、低成本、高分辨率的感知模塊是必不可少的。目前，感知模塊主要使用相機、激光雷達和汽車雷達等傳感器獲取不同模式的環境信息。

2023-11-27 09:49:37

自動駕駛數據

CoBEVFlow：解決車路協同感知的時序異步問題

CoBEVFlow關注解決協同感知中存在的時序異步問題，能夠有效處理包含延遲、中斷、采樣頻率不一致等原因導致的時序異步問題，同時不會對特征圖引入額外的噪聲。

2023-11-27 09:37:53

最新！基于視覺方案的車輛速度、距離估計綜述

本文主要介紹了在固定位置下基于camera的速度與距離估計！下圖為速度估計的整體流程：主要包括檢測跟蹤、距離估計、速度估計等。

2023-11-22 10:00:30

一文詳解自動駕駛中的多模態融合感知算法

本文全面調研了現有多模態自動駕駛感知算法，傳感器包括LiDAR和相機，聚焦于目標檢測和語義分割，分析超過50篇文獻。同傳統融合算法分類方法不同，本文從融合階段的不同將該領域分類兩大類、四小類。此外，本文分析了當前領域存在的問題，對未來的研究方向提供參考。

2023-11-22 09:53:02

自動駕駛算法

車用圖像傳感器參數小議——信噪比

車用CMOS圖像傳感器的信噪比SNR是一個關鍵的圖像質量指標，它具有非單調特性，受到汽車應用環境的多因素影響，對SNR的評估是一個多維的綜合評判工作。

2023-11-21 11:15:58

自動駕駛中基于深度學習的預測和規劃融合方法綜述

本文全面概述了各種任務技術方法基礎上，調研分析了自動駕駛系統中預測和規劃的融合集成方法。

2023-11-20 09:53:13

自動駕駛系統

全面解析自動駕駛系統 BEV 3D 檢測提升策略

基于視覺的3D檢測任務是自動駕駛系統感知的基礎任務，也是自動駕駛當前研究的熱點。然而，使用單目相機的 2D 傳感器輸入數據實現 3D BEV（鳥瞰圖）性能并不是一件容易的事。在本文中，重點關注自動駕駛中基于3D 視覺檢測的方法。

2023-11-17 09:55:41

再上新臺階！視覺大語言模型在自動駕駛和智能交通中的最新應用

智能移動在現代文明中至關重要，推動經濟增長，支持城市發展，加強社會聯系。近年來，深度學習和計算能力的快速發展深刻地影響了交通運輸，提高了其效率和智能化。

2023-11-16 09:59:58

智能駕駛算力

如何通俗易懂地解釋自動駕駛中的BEV和SLAM？

SLAM和BEV最基礎和核心的傳感器就是相機（Camera），所以兩者在計算過程中有大量的算力都被消耗在了圖像中信息提取/識別和變換計算。

2023-11-14 11:23:39

計算自動駕駛

NeRF與自動駕駛的前世今生，近10篇論文匯總！

本文為大家梳理下Nerf與自動駕駛相關的內容，近11篇文章，帶著大家探索Nerf與自動駕駛的前世今生。

2023-11-14 10:41:00

自動駕駛論文

UniPAD：通用自動駕駛預訓練模式！各類感知任務都可支持

UniPAD 是一種基于 MAE 和 3D rendering 的自監督學習方法，可以訓練一個性能優秀的基座模型，繼而可以在該模型上微調訓練下游諸如深度估計、目標檢測、分割等諸多任務。

2023-11-10 09:31:29

自動駕駛訓練

自動駕駛中基于 Transformer 的模型和硬件加速分析

近年來，Transformer架構在各種自動駕駛應用中表現出了良好的性能。另一方面，它在便攜式計算平臺上的專用硬件加速已成為真正自動駕駛汽車實際部署的下一個關鍵步驟。這份調查報告提供了一個全面的概述，基準，并分析了基于Transformer的模型，專門為自動駕駛任務量身定制。

2023-11-09 09:48:46

架構自動駕駛

上一頁 1 ··· 3 4 5 6 7 ··· 17 下一頁

51CTO技術棧公眾號

業務
速覽

媒體

51CTO CIOAge HC3i

社區

51CTO博客鴻蒙開發者社區 AI.x社區

教育

51CTO學堂精培企業培訓 CTO訓練營

主站蜘蛛池模板：国产一区二区三区在线看 | 国产精品亚洲成在人线 | 亚洲欧美bt | 久久精品久久久久久 | 91福利电影在线观看 | 亚洲欧洲色视频 | 亚洲欧美日韩精品久久亚洲区 | 国产国产精品久久久久 | 青青久在线视频 | 久久精品一区二区 | 久久综合久久综合久久 | 精品久久久久久久人人人人传媒 | 成人高清视频在线观看 | 中文字幕一区在线观看视频 | 欧美精品久久一区 | 中文字幕91av | 亚洲免费视频播放 | 中文字幕日韩一区 | 国产极品粉嫩美女呻吟在线看人 | 成人国产精品免费观看 | 久久成人高清视频 | 精品久久久久久久久久久院品网 | 精品国产一区二区三区久久 | 久久综合九色综合欧美狠狠 | 欧美在线观看一区 | 欧美精品久久久久 | 国产精品一区二区视频 | 爱爱免费视频 | 九色av| 欧美精品在线免费观看 | 男女啪啪高潮无遮挡免费动态 | 玖玖综合在线 | av电影一区二区 | 日本免费视频 | 国产一区在线视频 | 亚洲毛片在线观看 | 国产精品中文字幕在线观看 | 久久久精品久久久 | 亚洲欧美激情国产综合久久久 | 亚洲福利 | 亚洲高清网 |

<dl id="g88sk"><acronym id="g88sk"></acronym></dl>

<tfoot id="g88sk"></tfoot>

<button id="g88sk"><dl id="g88sk"></dl></button>

<table id="g88sk"><wbr id="g88sk"></wbr></table>

<rt id="g88sk"><acronym id="g88sk"></acronym></rt>

<abbr id="g88sk"><fieldset id="g88sk"></fieldset></abbr>