实体
Scene flow estimation by depth map upsampling and layer assignment for camera-LiDAR system
Scene flow estimation by depth map upsampling and layer assignment for camera-LiDAR system
PulseAugur coverage of Scene flow estimation by depth map upsampling and layer assignment for camera-LiDAR system — every cluster mentioning Scene flow estimation by depth map upsampling and layer assignment for camera-LiDAR system across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新STEREOFLOW框架采用生成式方法推进立体匹配
研究人员推出了一种新颖的立体匹配框架STEREOFLOW，该框架解决了现有确定性回归模型的局限性。这种新方法将生成式建模与确定性匹配相结合，以更好地处理模糊区域并产生更详细的结果。STEREOFLOW采用渐进式级联网络、一种称为StereoDiT的像素扩散Transformer以及一个几步流匹配目标，在Scene Flow、KITTI、ETH3D和Middlebury等基准测试中取得了最先进的性能。
-
HilDA框架推动了用于自动驾驶的自监督LiDAR预训练
研究人员推出HilDA，一个新颖的自监督预训练框架，旨在增强自动驾驶应用的LiDAR骨干网络。该框架利用视觉基础模型（VFMs）进行分层和全局上下文蒸馏，以更好地将来自摄像头数据的语义和几何信息与LiDAR序列对齐。HilDA还包含一个时间占用扩散目标，以确保时空一致性。该方法在跨模态蒸馏基准测试中展示了最先进的性能，并在3D目标检测、场景流估计和语义占用预测方面取得了改进结果。