当前位置:CRM
> 3D 第4页
全面解析自动驾驶系统BEV 3D 检测提升策略
2023-11-17 12:01:12
基于视觉的3D检测任务是自动驾驶系统感知的基础任务,也是自动驾驶当前研究的热点。然而,使用单目相机的 2D 传感器输入数据实现 3D BEV(鸟瞰图)性能并不是一件容易的事。在本文中,重点关注自动驾驶中基于3D 视觉检测的方法。...
GraphAlign:通过图匹配增强多模态3D目标检测的准确特征对齐
2023-10-27 12:01:27
本文提供了一个自注意力模块来增强重要关系的权重,以微调异构模态之间的特征对齐。 nuScenes 基准上的大量实验证明了本文的 GraphAlign 的有效性和效率。...
实时占用网络? OccupancyDETR:使占用网络与目标检测一样直接!
2023-09-28 12:01:59
我们提出了一种新的3D语义占用感知方法OccupancyDETR,该方法由类似DETR的目标检测模块和3D占用解码器模块组成。...
首篇仅使用2D标签训练多视图3D占用模型的新范式
2023-09-27 12:01:58
大量实验表明,RenderOcc的性能与使用3D标签完全监督的模型相当,突显了这种方法在现实世界应用中的重要性。已开源。...
SupFusion:港中文最新用于3D检测的LV融合新SOTA!
2023-09-25 18:02:39
本文提出了一种名为 SupFusion 的新型监督融合训练策略,该策略主要由高质量特征生成过程组成,并据本文所知,首先提出辅助特征级监督损失,以实现鲁棒融合特征提取和准确的 3D 检测。...
多模态融合全新框架 | FusionFormer:BEV时空融合新高度!
2023-09-18 12:01:19
本论文提出了一种名为FusionFormer的方法,通过综合利用多模态数据融合和时间序列信息,实现了在3D检测任务中的优秀性能。...
大幅降低计算量!PointOcc:基于点云的3D语义占用预测新思路
2023-09-11 12:02:13
当前自动驾驶领域中的语义分割正在经历从稀疏的点云分割到密集的3D语义占有预测的变革。3D语义占有预测任务的目标是对3D空间中的每一个体素都预测一个语义标签,以实现对3D场景更加鲁棒、准确的感知建模。...