实体
Waymo dataset
Waymo dataset
PulseAugur coverage of Waymo dataset — every cluster mentioning Waymo dataset across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
MM-TRELLIS 使用多模态传感器数据生成3D车辆 · 已追踪2个来源
研究人员开发了MM-TRELLIS，一种从自动驾驶数据生成逼真3D车辆模型的新方法。该方法将多视图图像和LiDAR点云集成到原生3D生成模型中，解决了先前方法在处理真实世界数据时遇到的困难或生成低质量网格的局限性。MM-TRELLIS利用LiDAR点云实现几何精度和跨视图一致性，并采用具有3D高斯溅射的体素过滤策略来优化网格。在Waymo数据集上的实验表明，在生成高保真3D车辆方面表现优越。
-
新系统通过物理感知的道路几何编辑3D驾驶场景
研究人员开发了RoVES，一个专门用于自动驾驶模拟的3D高斯喷溅场景编辑新系统。该系统允许插入道路几何变化，例如减速带或下沉式道路，并将其与车辆动力学模型耦合，以逼真地调整车辆姿态。RoVES在无优化的快速流程中实现了这种物理感知的编辑，整个过程在7秒内完成。
-
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。