实体
V2XSet
V2XSet
PulseAugur coverage of V2XSet — every cluster mentioning V2XSet across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新研究通过紧凑骨干网络和视觉模型增强三维检测 · 跟踪4个来源
两篇新研究论文介绍了通过更有效地集成激光雷达和相机数据来增强自动驾驶中三维目标检测的新方法。DeGuNet提出了一种专为深度引导学习设计的超紧凑图像骨干网络，将内存消耗降低高达66.5%，并提高推理速度，同时提升mAP增益。ViCo3D利用DINOv2等视觉基础模型从激光雷达数据中提取更丰富的语义先验，改善车联网系统中的协同感知，并取得最先进的成果。
-
新的C2E框架通过多教师对比知识蒸馏提升自动驾驶中仅靠自身感知的3D目标检测
研究人员开发了一个名为C2E（Co-Perception to Eo-Perception）的新框架，该框架增强了自动驾驶系统中的3D目标检测能力。该框架利用多教师对比知识蒸馏方法，将知识从协同感知模型转移到仅靠自身感知的模型。C2E框架旨在保留协同感知的高性能，同时减轻通信成本和姿态误差等问题。在多个数据集上的实验表明，在不增加通信开销的情况下，3D mAP性能得到了显著提升。
-
AFFormer 通过自适应特征融合增强 V2X 协同感知
研究人员开发了 AFFormer，这是一个新颖的基于 Transformer 的框架，旨在提高自动驾驶汽车在通信受损条件下的协同感知系统的鲁棒性。该系统通过对时间、代理间和空间相关性进行建模，解决了车联网 (V2X) 通信中的噪声和衰落等挑战。AFFormer 包含上下文感知融合、双空间注意力和不确定性引导细化模块，并通过师生知识蒸馏策略进一步增强。在标准数据集上的评估表明，AFFormer 在性能和效率方面优于现有方法，尤其是在通信…