nuScenes dataset
PulseAugur coverage of nuScenes dataset — every cluster mentioning nuScenes dataset across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
GaussianFusion 框架使用三维高斯进行多模态感知
研究人员推出了一种新颖的多模态融合感知框架 GaussianFusion，该框架利用三维高斯表示替代传统的鸟瞰图（BEV）网格。这种新方法在连续的三维高斯空间中统一了多模态特征，保留了精细细节并增强了跨模态交互。GaussianFusion 在各种三维感知任务中表现出卓越的性能，在三维目标检测方面优于 BEVFusion 等现有方法，在三维语义占用方面优于 GaussFormer。
-
新框架推动真实文本到LiDAR场景生成
研究人员开发了两个新的真实LiDAR场景生成框架，以解决当前文本到LiDAR生成能力的局限性。T2LDM++利用自条件表示引导机制来改进对象细节和可控性，并在超过100,000个文本-LiDAR样本上进行了训练。另一方面，LaGen是第一个专为逐帧、交互式LiDAR场景生成设计的自回归框架，能够使用边界框信息生成高保真4D场景，并减轻长序列中的误差累积。
-
DinoLink框架大幅降低V2X感知带宽需求
研究人员推出DinoLink，一个新颖的框架，旨在压缩在严格带宽限制下运行的车联网（V2X）感知系统中的表示数据。该方法用离散语义通信取代原始像素数据的传输，实现了车辆与云之间的协同推理。DinoLink采用双稀疏架构，修剪背景Token并将特征量化为紧凑索引，从而在窄带环境中显著降低比特率并加快处理速度。
-
基于 NeRF 的三维检测器改进自动驾驶感知
研究人员开发了一种新颖的、类似 NeRF 的基于点的三维检测器 (NeRP3D)，它解决了当前自动驾驶 NeRF 模型预训练的局限性。现有方法强制 NeRF 处理视图变换，产生冲突的表示，导致三维场景理解模糊。然而，NeRP3D 学习连续的三维表示，避免了这些不对齐的先验知识，并为下游任务保留了预训练的 NeRF 网络。在 nuScenes 数据集上的实验表明，与最先进的方法相比，在场景重建和检测任务上都有显著改进。
-
新的OVBS框架利用VLMs增强自动驾驶感知能力
研究人员开发了OVBEVSeg，一个用于自动驾驶中开放词汇鸟瞰图（BEV）分割的新型框架。该系统利用视觉语言模型（VLMs）识别训练集以外的对象，解决了当前闭集方法的局限性。OVBEVSeg采用3D几何约束来确保BEV表示中的语义一致性，并与现有的基于投影的技术相比，实现了更快的推理速度和更低的内存使用量。
-
新的OLRA框架通过地图定位改进车辆路线生成
一篇新论文介绍了一种名为OLRA的框架，该框架通过将基于地图的导航路线与摄像头检测到的车道线对齐，从而生成直观的驾驶引导。该方法提高了车辆定位精度和视觉路线一致性。在nuScenes数据集上与OpenPilot进行基准测试，OLRA在复杂的道路路段和超过20米的距离上表现出优越的性能，实现了更低的欧氏误差。
-
HOLO网络利用同态变换提升自动驾驶视觉定位精度
研究人员开发了一种名为HOLO的新型网络，用于在标准清晰度地图中进行自动驾驶视觉定位。该方法利用同态变换来指导特征融合并约束姿态输出，与使用基于注意力融合或直接回归的方法相比，提高了训练效率和准确性。HOLO网络是第一个将鸟瞰图（BEV）语义推理与同态学习相结合以实现图像到地图定位的网络，并支持跨分辨率输入。
-
新方法量化自动驾驶中的目标检测不确定性
研究人员开发了一种名为蒙特卡洛广义线性模型（MC-GLM）的新方法，用于量化目标检测系统中的不确定性。该方法专为自动驾驶等安全关键应用而设计，在这些应用中，精确的边界框预测至关重要。MC-GLM 提供实例级不确定性量化，无需重新训练模型，并且可以并行化以提高效率。
-
UnsOcc框架增强了非结构化场景中的3D语义占用预测能力
研究人员开发了UnsOcc，一个用于3D语义占用预测的新型框架，旨在提高在露天矿等非结构化环境中的性能。该系统利用一个基于渲染的融合模块RenderFusion来增强跨模态特征对齐。此外，它还集成了GSRefinement，一种基于高斯溅射（Gaussian Splatting）的方法，用于详细监督，尤其有利于处理稀疏场景中的长尾类别。在自定义和现有数据集上的实验表明，UnsOcc的性能优于当前最先进的方法。
-
新的RESBev方法提高了自动驾驶中BEV感知的鲁棒性
研究人员开发了RESBev，一种提高自动驾驶中使用的鸟瞰图（BEV）感知系统鲁棒性的新方法。这种即插即用技术可以集成到现有的BEV模型中，以提高它们对传感器降级和对抗性攻击的抵抗能力。RESBev通过使用捕获时空相关性的潜在世界模型，从损坏的观测中预测干净的BEV特征。在nuScenes数据集上的实验表明，在进行最少的微调的情况下，鲁棒性得到了显著提高。
-
清华研究人员使用中间表示来弥合AI模态鸿沟
清华大学智能产业研究院的研究人员开发了一种新颖的方法，使用“中间表示”来弥合AI中不同数据模态之间的鸿沟。他们的工作在CVPR 2026的四篇论文中发表，引入了一种“第三语言”，使AI系统能够更有效地理解和处理信息。该方法涉及创建一种中间表示，例如用于机器人动作和视频生成的Occupancy，或用于4D场景重建的Gaussian Maps，这种表示比直接在不同数据类型之间进行映射更容易被AI理解。
-
新基准和模型提升了自动驾驶的视觉语言模型能力
研究人员正在开发新的基准和模型，以提高视觉语言模型（VLMs）在自动驾驶中的能力。Drive-P2D 和 DriveSpatial 是新的基准，分别用于评估 VLM 在渐进式感知到决策任务和时空推理方面的能力，突显了当前场景构建和推理的局限性。同时，Fast-dDrive、SparseWorld 和 SpaceDrive 提出了新颖的 VLM 架构和方法，例如块扩散和空间感知注入，通过更好地平衡感知、规划和实时部署需求，来提高自动驾驶…