waymo-open-dataset-tf-2-6-0
PulseAugur coverage of waymo-open-dataset-tf-2-6-0 — every cluster mentioning waymo-open-dataset-tf-2-6-0 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
多项式表示增强自动驾驶交通预测
一篇新论文提出在自动驾驶中将多项式表示用于长期交通场景预测。与传统的基于序列的方法相比，这种方法提供了更高的计算效率、泛化能力和预测合理性。在 Argoverse 2 和 Waymo Open 数据集上的评估表明，多项式表示可以在降低成本和增强跨数据集泛化能力的同时实现高精度。
-
STELLAR模型通过3D数据融合推进自动驾驶感知
研究人员开发了STELLAR，一款用于自动驾驶3D感知的新型大型模型，通过扩展稀疏窗口Transformer来整合激光雷达、雷达、摄像头和地图数据。该模型在包含5000万个驾驶示例和多达5亿个参数的数据集上进行训练，并在Waymo Open Dataset上达到了新的最先进水平。研究表明，通过大型数据集和计算能力扩展模型是推进自动驾驶感知系统的可行途径。
-
AI研究推动3D重建和场景理解进展
研究人员正在探索用于3D重建和场景理解的先进技术，重点关注优化计算资源和提高准确性。研究探讨了医学成像中2D、2.5D和3D模型之间的权衡，研究结果表明2.5D CNN提供了有利的平衡。其他工作引入了用于扩散时间步长调度的框架，以提高3D CT重建的效率和保真度。此外，正在开发新的在线3D视觉-语言模型，用于从流式视频进行实时空间理解，并提出了自适应特征优化方法来提高3D场景重建的质量。
-
3D 高斯泼溅技术在场景表示和编辑方面取得进展
研究人员正在通过新的方法改进 3D 高斯泼溅（3DGS）技术，以增强场景表示、编辑和压缩。创新包括用于更好地模拟非对称结构的偏态正态泼溅（Skew-Normal Splatting），以及用于生成一致的多房间 VR 游览的 PanoWorld。其他发展则侧重于用于自动驾驶的物理驱动场景编辑、3DGS 内容的美学评估以及 GETA-3DGS 等高效压缩技术。