实体 E2E-CDiff

E2E-CDiff

PulseAugur coverage of E2E-CDiff — every cluster mentioning E2E-CDiff across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_156533 · Jul 22 · 04:00

新型扩散模型生成逼真且可控的交通场景，用于自动驾驶

研究人员开发了E2E-CDiff，一个新颖的端到端条件扩散框架，旨在生成逼真且可控的视觉交通场景。该系统对于测试自动驾驶系统至关重要，尤其是在罕见的、对安全至关重要的场景中。E2E-CDiff在条件于前视视觉输入的情况下，联合生成背景车辆的未来运动状态和低级控制。这种方法旨在克服现有方法在平衡可控性与行为逼真性方面存在的局限性。