KITTI-360: A Novel Dataset and Benchmarks for Urban Scene Understanding in 2D and 3D
PulseAugur coverage of KITTI-360: A Novel Dataset and Benchmarks for Urban Scene Understanding in 2D and 3D — every cluster mentioning KITTI-360: A Novel Dataset and Benchmarks for Urban Scene Understanding in 2D and 3D across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
StreamRig框架为机器人实现高效的多相机里程计
研究人员开发了StreamRig，一个新颖的框架，旨在为移动机器人和车辆高效处理同步多相机系统的数据。与许多关注单相机输入的现有模型不同，StreamRig利用了已校准相机组的几何结构。该系统采用冻结-流式处理方法，压缩来自同步视图的特征，并使用带有键值缓存的因果注意力来回归相机组姿态。这种方法仅训练模型的一部分（74.6M参数），在多个数据集上，与单目流式和离线相机组感知模型相比，已证明具有更低的平移和旋转漂移，同时保持了较低的推理成本。
-
新数据集NeuroSymbEAD推动了自动驾驶的神经符号化字幕技术
研究人员推出了NeuroSymbEAD，这是一个专为自动驾驶场景中的神经符号化字幕设计的大规模数据集。该数据集包含一个以自我为中心的知识图谱，并对物体进行了详细标注，包括它们的类别、方向以及与自车（ego-vehicle）的距离。通过将3D驾驶场景转换为结构化的、以自我为中心的语言，NeuroSymbEAD旨在为视觉-语言模型和基础模型在交通场景解释、3D推理和可解释自动驾驶感知等任务上建立基准。
-
新的MIVIFI框架为自动驾驶汽车生成多视角鱼眼图像
研究人员开发了MIVIFI，一个用于生成多视角鱼眼图像的新颖框架，这对于自动驾驶汽车感知系统至关重要。该方法通过采用跨域学习，弥合了鱼眼图像与标准视角图像之间的差距，从而解决了鱼眼数据集稀缺的问题。MIVIFI方法允许对场景内容进行高保真度操作，从而能够引入有限的真实世界鱼眼数据集中不存在的特定对象和多样的环境条件。
-
RapidLiDAR 实现实时激光雷达场景补全，速度提升 2.3 倍
研究人员开发了 RapidLiDAR，一种用于实时激光雷达场景补全的新颖方法，显著提高了速度和适应性。与依赖固定噪声扰动或慢速生成模型的前辈方法不同，RapidLiDAR 使用了学习到的、数据驱动的组件进行场景初始化。这个自适应初始化模块预测输入点的空间变化位移，在无需手动调整的情况下创建适应局部几何的粗略场景。该系统进一步使用多尺度体素和 BEV 特征图来精炼此初始化，实现了最先进的补全性能，同时仅用 0.1 秒即可处理完整场景，比…
-
GeoUniPR框架统一视觉和激光雷达以实现高级地点识别 · 跟踪2个来源
研究人员开发了GeoUniPR，一个用于跨模态地点识别的新型框架，它统一了视觉和激光雷达数据。该方法将激光雷达点云投影到相机视角，以创建几何一致的深度图像视图（DIV），从而建立直接的RGB-LiDAR对应关系。通过用激光雷达强度和表面法线信息增强DIV，GeoUniPR使用基于ViT编码器的参数高效适配来学习统一的嵌入空间。该框架还引入了空间一致性InfoNCE（SC-InfoNCE）来通过抑制距离引起的假阴性来提高准确性。在KIT…
-
新的激光雷达框架增强了自动驾驶的三维地点识别能力
研究人员开发了一种使用激光雷达数据进行三维地点识别的新框架，这对于自动驾驶至关重要。该系统采用具有弹性神经点的隐式三维表示，创建融合描述符，结合宏观空间布局和微观表面几何形状。该方法旨在提高对点云密度变化和视点变化的鲁棒性，在KITTI和KITTI-360等数据集上表现优于现有的手工制作和基于学习的方法。
-
FPSGen 框架独立于部分扫描生成 3D 点云场景
研究人员推出了一种新颖的 3D 点云场景生成框架 FPSGen。该方法通过将场景生成与部分扫描解耦来解决现有方法的局限性，从而避免了稀疏性和可见性相关的偏差。FPSGen 首先预测一个鸟瞰图（BEV）先验，然后将其用作无条件或有条件初始化的点源。一个教师-学生传输方案学习一个速度场来拉直传输路径，从而实现灵活的场景生成。
-
StereoSplat+ 推进单立体图像的 3D 场景重建
研究人员开发了 StereoSplat+，这是一个从单个立体图像对重建 3D 场景的新框架。该方法利用扩散增强的前馈方法来渐进式地优化 3D 高斯表示。通过迭代渲染新视图，使用扩散模型增强它们，并将它们反馈到过程中，StereoSplat+ 提高了新视图渲染质量和几何精度，尤其是在遮挡区域。
-
AI研究优化自动驾驶分割的摄像头传感器
研究人员开发了一种用于自动驾驶摄像头传感器和AI模型协同设计的方法，重点优化传感器的彩色滤光阵列（CFA）权重。该方法在分割任务中表现出显著的改进，在KITTI-360和ACDC等数据集上将mIoU提高了高达0.023。研究发现，优化CFA权重比点扩散函数或噪声等其他传感器参数更具影响力，并且大于2x2的CFA块是有害的。
-
新的DAPETR方法改进了使用鱼眼相机的3D目标检测
研究人员开发了畸变感知PETR（DAPETR），一种使用标准和鱼眼相机混合进行3D目标检测的新方法。DAPETR解决了鱼眼镜头引起的显著畸变问题，而这种畸变通常会违反现有BEV检测器的假设。该系统引入了学习模块来协调位置编码，并将图像特征与3D嵌入进行协同调制，在转换后的KITTI-360基准测试中表现优于先前的方法。
-
新的融合方法应对三维目标检测挑战
两篇新研究论文提出了使用激光雷达和相机数据进行三维目标检测的先进融合技术。第一篇，几何感知鱼眼-激光雷达融合（GA-HF），通过保持鱼眼几何形状并使用注意力机制纠正特征失真来应对低重叠设置中的挑战。第二篇，CAMF-Det，专注于无人机（UAV）平台，开发了一个闭环感知框架，通过建模和预测遮挡强度来处理由树冠和其他地面物体引起的遮挡。
-
机器人通过校准的基础模型数据提高地图精度
研究人员开发了一种新方法，以提高集成到机器人映射系统中的语义信息的可靠性。该方法校准基础模型声明的每类可靠性，并实施冲突丢弃窗口以拒绝与几何感知数据相矛盾的声明。在KITTI-360和ScanNet数据集上的评估表明，与现有方法相比，地图的准确性和精度有了显著提高。
-
PrITTI模型使用原始元素生成可编辑的3D城市场景
研究人员开发了PrITTI，一种用于生成3D语义城市场景的新型潜在扩散模型。与以往的基于体素的方法不同，PrITTI使用基于原始元素（primitive-based）的表示，从而实现更具可控性和可编辑性的场景生成。这种方法以更低的内存占用和更快的推理速度实现了最先进的质量，支持场景编辑和照片级真实感合成等应用。