实体
AI City Challenge Track 5
AI City Challenge Track 5
PulseAugur coverage of AI City Challenge Track 5 — every cluster mentioning AI City Challenge Track 5 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新框架增强自动驾驶交通预测能力
研究人员开发了一个新颖的框架，用于改进交通场景中的未来帧预测，特别适用于自动驾驶和监控应用。该方法通过稳定几何和提高时间连贯性来增强现有的潜在视频扩散模型，而无需重新训练。该框架结合了感知几何的推理时精炼和视条件混合推理，在AI City Challenge Track 5基准测试中表现出竞争力。
-
GeoRoute框架在无需重新训练模型的情况下提高了交通预测稳定性
研究人员开发了一个名为GeoRoute的新型推理框架，旨在提高交通场景长时程未来帧预测的准确性和稳定性。该方法通过稳定现有视频预测模型中的静态结构来解决几何漂移和运动不一致等挑战。GeoRoute利用多帧时间上下文和视图条件路由，为前置摄像头视频集成了一个深度分层渲染器，并为异构交通视图设计了专门的运动预测器。该框架无需重新训练或微调基础视频模型即可运行，并在AI City Challenge Track 5基准测试中展示了具有竞争力的性能。