自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

<tfoot id="b5isc"></tfoot>

AI.x社區(qū)

軟考社區(qū)

免費(fèi)課

企業(yè)培訓(xùn)

鴻蒙開發(fā)者社區(qū)

WOT技術(shù)大會

公眾號矩陣

移動端

視頻課免費(fèi)課排行榜短視頻直播課軟考學(xué)堂

全部課程軟考華為認(rèn)證廠商認(rèn)證 IT技術(shù)PMP項(xiàng)目管理免費(fèi)題庫

在線學(xué)習(xí)

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術(shù)棧

51CTO官微

51CTO學(xué)堂

51CTO博客

CTO訓(xùn)練營

鴻蒙開發(fā)者社區(qū)訂閱號

51CTO軟考

51CTO學(xué)堂APP

51CTO學(xué)堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號

51CTO軟考題庫

賬號設(shè)置退出

智能汽車

802內(nèi)容??

關(guān)注

向廣大IT專業(yè)技術(shù)人員提供智能駕駛、車聯(lián)網(wǎng)、智能座艙以及所有和智能網(wǎng)聯(lián)汽車相關(guān)的新鮮資訊、前沿技術(shù)、發(fā)展趨勢等內(nèi)容。

共 802 條

『端到端』下的智駕人，何去何從？

端到端的優(yōu)勢非常突出，但仍然有很多難點(diǎn)需要攻克。

2024-08-08 09:30:00

自動駕駛端到端

CLIP視覺感知還能怎么卷？模型架構(gòu)改造與識別機(jī)制再升級

為了進(jìn)一步提升CLIP模型在處理復(fù)雜任務(wù)時的效能與精度，眾多研究團(tuán)隊致力于對傳統(tǒng)的CLIP模型進(jìn)行多維度、深層次的改進(jìn)，旨在增強(qiáng)其特定領(lǐng)域的能力

2024-08-08 09:00:00

Diffusion反饋強(qiáng)勢助力CLIP秒變火眼金睛！北京智源&中科院自動化所

本文分享論文Diffusion Feedback Helps CLIP See Better，專注于通過自監(jiān)督學(xué)習(xí)范式解決CLIP無法區(qū)分細(xì)粒度視覺細(xì)節(jié)的問題。

2024-08-06 12:00:00

監(jiān)督學(xué)習(xí)視覺

性能提升44%！浙大提出LiCROcc：Radar Occ的春天來了？

今天為大家分享浙大&上海AI Lab等團(tuán)隊最新的工作—LiCROcc！使用Lidar和Camera提升Radar Occ的性能，在nuScenes-Occupancy數(shù)據(jù)集提升22.9%、44.1%和15.5%。

2024-08-06 11:30:00

自動駕駛數(shù)據(jù)集

分割仍舊發(fā)光！Mask2Map：爆拉MapTRv2 近10個點(diǎn)~

今天為大家分享在線高精地圖的最新工作—Mask2Map！基于分割的全新框架，爆拉MapTR v2近十個點(diǎn)！

2024-08-02 09:23:40

高精地圖框架

速度性能雙雙暴漲！直接BEV特征加速在線建圖和行為預(yù)測

本文提出了三種不同的策略，以在下游任務(wù)（如行為預(yù)測）中利用在線地圖估計模型中的中間BEV特征。

2024-07-31 08:54:04

BEV新變革！GaussianBEV：首次將Gaussian引入BEV感知領(lǐng)域！

本文介紹了GaussianBEV，這是一種新的圖像到BEV變換方法，是BEV語義分割的最新進(jìn)展。

2024-07-26 09:22:36

清華AIR ModelMerging：無需訓(xùn)練數(shù)據(jù)！合并多個模型實(shí)現(xiàn)任意場景的感知（ECCV'24）

今天為大家分享清華AIR&戴姆勒ECCV2024最新的工作—ModelMerging！提出了一種無需訓(xùn)練的多域感知模型融合新方法。

2024-07-26 09:19:41

訓(xùn)練模型

無圖最強(qiáng)Trick | MapDistill：速度精度雙起飛，讓End2End更絲滑 !

今天為大家分享三星&北航&中科院&悉尼大學(xué)團(tuán)隊ECCV2024最新的在線高精地圖工作—MapDistill！通過相機(jī)-激光雷達(dá)融合模型蒸餾提高視覺高精地圖構(gòu)建！

2024-07-25 09:40:00

原來如此！簡單總結(jié)SLAM中的各種地圖

本文整理了一些SLAM領(lǐng)域常見的地圖，但并沒有細(xì)致討論每種地圖的優(yōu)缺點(diǎn)以及應(yīng)用場景。

2024-07-25 09:20:00

Transformer的核心理解起來也不難，但為什么這么強(qiáng)呢？

傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）在處理序列數(shù)據(jù)時需要按順序逐步計算，無法并行。而Transformer可以做到”同時計算所有位置的輸出”！它是怎樣做到的呢？

2024-07-25 09:10:00

模型數(shù)據(jù)

稀疏檢測的神！SparseDet：特征聚合玩明白了，爆拉VoxelNeXt！

今天為大家分享北京交通大學(xué)&清華&地平線等最新的工作SparseDet！大幅超越了VoxelNeXt，簡單來說四個字：又快又好。

2024-07-23 10:39:20

檢測自動駕駛

ECCV 2024｜跟蹤一切目標(biāo)！DINO-Tracker成為單目跟蹤里程碑

本文的DINO-tracker框架能夠無視遮擋，實(shí)現(xiàn)對物體的長距離跟蹤，突破了之前技術(shù)的局限，入選了ECCV24。

2024-07-18 10:37:34

框架技術(shù)

超過所有視覺方案！HTCL：分層時間上下文問鼎OCC（ECCV'24）

今天為大家分享ECCV2024最新的工作—HTCL！在SemanticKITTI基準(zhǔn)測試中超過了所有基于相機(jī)的方法，甚至在和OpenOccupancy基準(zhǔn)測試中超過了LiDAR！

2024-07-16 10:20:44

基準(zhǔn)測試

訓(xùn)練45秒，渲染300+FPS！MVSGaussian：高效泛化的混合Gaussian

今天為大家分享華科最新的工作MVSGaussian！訓(xùn)練只需45s渲染速度300FPS，拉滿了！

2024-07-16 10:10:12

無圖NOA的靈魂！盤一盤高精地圖的全流程構(gòu)建

今天為大家分享高精地圖構(gòu)建的最新綜述！全面盤點(diǎn)的高精地圖的制作和未來方向。

2024-07-10 10:04:48

自動駕駛高精地圖

優(yōu)于各種駕駛場景SOTA！利用約束GS打破視覺重建壁壘，AutoSplat敲門駕駛場景重構(gòu)

今天為大家分享多倫多大學(xué)&華為諾亞最新的工作AutoSplat！自動駕駛視覺場景重建SOTA，新視角合成能力超越MARS等！

2024-07-09 10:19:02

自動駕駛視覺

南大等最新QD-BEV：高效量化解決方案助力多視角3D檢測！

基于鳥瞰圖（BEV）的多視角3D檢測由于其潛在的自動駕駛能力，已成為自動駕駛的重要研究方向。

2024-07-04 12:06:00

自動駕駛模型

AIGC全新綜述！多模態(tài)引導(dǎo)的基于文生圖大模型的圖像編輯綜述

綜述提出的統(tǒng)一框架將編輯過程表示為不同算法族的組合，并通過全面的定性和定量實(shí)驗(yàn)來說明各種組合的特性以及適應(yīng)場景。

2024-07-01 10:19:22

本土化研發(fā)：跨國智駕企業(yè)在華制勝之道

中國汽車市場的智能化發(fā)展和產(chǎn)品迭代速度，已經(jīng)遠(yuǎn)遠(yuǎn)領(lǐng)先于全球其他地區(qū)。電動化、網(wǎng)聯(lián)化、智能化的大趨勢下各類技術(shù)的廣泛應(yīng)用，不僅極大改變了消費(fèi)者的駕駛體驗(yàn)，也為汽車產(chǎn)業(yè)帶來了新的商業(yè)模式和價值鏈。?

2024-06-28 16:37:04

Co-Driver：基于 VLM 的自動駕駛助手，類人行為并理解復(fù)雜場景

本文提出了Co-driver，這是一種自動駕駛輔助系統(tǒng)，能夠根據(jù)對道路場景的理解，使自動駕駛車輛能夠調(diào)整駕駛行為。

2024-06-28 09:17:18

自動駕駛系統(tǒng)

無監(jiān)督新框架！Depth Anywhere：增強(qiáng)任何單目360圖像的深度估計

本文提出了一種在360度圖像上訓(xùn)練最先進(jìn)（SOTA）深度估計模型的新方法。隨著可用數(shù)據(jù)量的顯著增加，數(shù)據(jù)量和質(zhì)量的重要性變得顯而易見。

2024-06-28 09:15:31

都在談端到端的輸出，怎么提高端到端輸入的質(zhì)量？

今天分享一篇理想汽車最新智能ISP系統(tǒng)相關(guān)工作：RMFA-Net，助力提升端到端輸入質(zhì)量。

2024-06-27 09:50:56

自動駕駛端到端

CVPR 2024自動駕駛挑戰(zhàn)賽Mapless Driving無圖智駕賽道論文解讀

無圖自動駕駛和擴(kuò)城，是2023年各大廠商主要卷的方向。在CVPR 2023自動駕駛挑戰(zhàn)賽中，無圖自動駕駛包含兩個賽道：OpenLane Topology和Online HD Map Construction。

2024-06-26 10:02:21

自動駕駛論文

重塑路側(cè)BEV感知！BEVSpread：全新體素化暴力漲點(diǎn)（浙大&百度）

今天為大家分享浙大&百度最新的工作—BEVSpread！路側(cè)BEV感知最新SOTA！

2024-06-26 09:57:24

自動駕駛 SOTA

你的在線高精地圖真的可靠么？MapBench：全面分析所有SOTA算法

今天自動駕駛之為大家分享三星&悉尼大學(xué)最新的工作—MapBench！文章旨在探索傳感器損壞條件下的在線高精地圖性能。

2024-06-25 09:26:29

高精地圖算法

太亮眼！CVPR 2024 自動駕駛方向中稿論文POSTER大全！

本文介紹自動駕駛方向中稿論文POSTER大全。

2024-06-24 09:28:27

自動駕駛論文

SLAM 領(lǐng)域發(fā)展到現(xiàn)在，還有什么的研究的大方向呢?

本人在之前的文章中針對激光SLAM中的挑戰(zhàn)和階段進(jìn)行過一次簡單地分析，SLAM技術(shù)綜述、挑戰(zhàn)和階段分析。

2024-06-24 09:25:57

SLAM 技術(shù)

BEV感知任務(wù)真的很穩(wěn)定嗎？極端情況下怎么樣？30+SOTA算法全面探析~

毫無疑問當(dāng)下自動駕駛量產(chǎn)的關(guān)鍵詞就是BEV感知，作為感知的核心模塊，其在不同條件下的魯棒性仍然沒有得到充分的評估！今天自動駕駛之心為大家分享的RoboBEV，評估了33個最先進(jìn)的基于BEV的感知模型，全面涵蓋了檢測、地圖分割、深度估計和占用預(yù)測等多個任務(wù)！

2024-06-18 10:00:00

自動駕駛 BEV感知

速度提升10倍！Depth Anything V2：更魯棒精細(xì)的單目深度估計

本文介紹了Depth Anything V2。不追求花哨的技術(shù)，而是旨在揭示關(guān)鍵發(fā)現(xiàn)，為構(gòu)建強(qiáng)大的單目深度估計模型鋪平道路。

2024-06-18 09:25:13

深度學(xué)習(xí)模型

通向SLAM2.0最新寶藏綜述！面向真實(shí)世界場景的通用地點(diǎn)識別！

本文首先探討了PR的制定和關(guān)鍵研究挑戰(zhàn)。廣泛地回顧了文獻(xiàn)，重點(diǎn)關(guān)注了與地點(diǎn)表示和解決各種PR挑戰(zhàn)相關(guān)的方法。還討論了展示PR在機(jī)器人領(lǐng)域潛力的應(yīng)用、主要的PR數(shù)據(jù)集和開源庫。還強(qiáng)調(diào)了我們的開源軟件包，旨在為通用PR的新開發(fā)和基準(zhǔn)測試提供支持。

2024-06-14 09:30:05

次元突破！OccSora：深刻演化自動駕駛4D Occ世界（北航&清華）

今天為大家分享北航&UC Berkeley&清華最新的工作—OccSora，文章提出了一個基于擴(kuò)散的4D占用生成模型OccSora來模擬自動駕駛世界模型的進(jìn)展。

2024-06-12 09:48:39

自動駕駛模型

自動駕駛運(yùn)動規(guī)劃真正重要的是什么？一文看盡業(yè)內(nèi)主流50+混合方法！

今天為大家分享arxiv上最新的運(yùn)動規(guī)劃綜述，文章全面盤點(diǎn)了自動駕駛系統(tǒng)中混合運(yùn)動規(guī)劃的相關(guān)方法！

2024-06-12 09:41:31

自動駕駛規(guī)劃

Delphi：更適合端到端模型的world model，更長更真更可控?。ɡ硐肫?西湖大學(xué)）

今天為大家分享西湖大學(xué)&理想汽車團(tuán)隊的最新的工作—Delphi，一種新的基于擴(kuò)散模型的可控長視頻生成的方法，大步邁向端到端！

2024-06-07 09:15:48

模型端到端

港科大最新！Vista：一種具有高保真度和多功能可控的世界模型

本文提出了Vista，這是一種具有增強(qiáng)保真度和可控性的可泛化駕駛世界模型。

2024-06-04 09:52:25

自動駕駛模型

理解老司機(jī)，超越老司機(jī)！LeapAD：具身智能加持下的雙過程自駕系統(tǒng)（上海AI Lab等）

今天為大家分享知識驅(qū)動的自動駕駛新工作——LeapAD。LeapAD將心理學(xué)上的雙過程理論應(yīng)用到自動駕駛領(lǐng)域，結(jié)合了常識知識和大語言模型，實(shí)現(xiàn)閉環(huán)自動駕駛決策制定并擁有持續(xù)進(jìn)化的能力。通過不斷對環(huán)境的交互積累經(jīng)驗(yàn)，自我反思糾正錯誤的決策，從而實(shí)現(xiàn)持續(xù)學(xué)習(xí)。

2024-06-04 09:48:14

自動駕駛模型

實(shí)時局部建圖的深入思考 | MapTR繼往開來的18篇論文剖析！

因?yàn)閿?shù)量較多不具體介紹每個模塊,只按自己的理解概括最核心的創(chuàng)新點(diǎn),在文章結(jié)尾會對18篇論文做一個簡要總結(jié),希望對從事相關(guān)領(lǐng)域研究的同學(xué)和業(yè)內(nèi)人士有所幫助.

2024-06-04 09:22:51

建圖論文技術(shù)

比PID更絲滑的控制算法&卡內(nèi)基梅隆大學(xué)

MPC控制算法的核心在于其預(yù)測模型，這個模型可以根據(jù)系統(tǒng)的當(dāng)前狀態(tài)信息預(yù)測未來的系統(tǒng)狀態(tài)。

2024-05-30 11:44:37

自動駕駛系統(tǒng)架構(gòu)轉(zhuǎn)變思考

對于算法架構(gòu)，轉(zhuǎn)型只要抓住技術(shù)的本質(zhì)，思維體系是相對比較容易轉(zhuǎn)變的。但是對基礎(chǔ)理論的補(bǔ)充，依舊是需要認(rèn)真學(xué)習(xí)的。

2024-05-29 09:14:11

自動駕駛架構(gòu)

高亮反光終結(jié)者？谷歌NeRF-Casting：光線追蹤就能搞定！

NeRF-Casting是一種使用神經(jīng)輻射場（NeRF）渲染包含高光物體的場景的方法。

2024-05-28 09:51:42

谷歌光線追蹤

ENNOVI連續(xù)四年榮獲EcoVadis可持續(xù)發(fā)展白金評級

該評級與ENNOVI推動電動移動行業(yè)積極變革、助力實(shí)現(xiàn)可持續(xù)未來的使命一致

2024-05-27 14:46:52

DiffMap：首個利用LDM來增強(qiáng)高精地圖構(gòu)建的網(wǎng)絡(luò)

首個利用潛在擴(kuò)散模塊（Latent Diffusion Model）對地圖分割掩碼的結(jié)構(gòu)化先驗(yàn)進(jìn)行建模的新方法，基于該技術(shù)，現(xiàn)有語義分割方法的性能可以得到顯著提升，并同時提高生成地圖的質(zhì)量。

2024-05-27 09:38:54

自動駕駛模型

YOLOv10來啦！真正實(shí)時端到端目標(biāo)檢測

在這項(xiàng)工作中，我們旨在從后處理和模型架構(gòu)兩個方面進(jìn)一步推進(jìn)YOLOs的性能-效率邊界。

2024-05-27 09:27:02

端到端目標(biāo)檢測

PVTransformer: 可擴(kuò)展3D檢測的點(diǎn)到體素Transformer

本文旨在為大規(guī)模3D目標(biāo)檢測器實(shí)現(xiàn)更好的可擴(kuò)展性，并發(fā)現(xiàn)基于池化的PointNet為現(xiàn)代3D目標(biāo)檢測器引入了信息瓶頸。

2024-05-24 10:16:01

3D 目標(biāo)檢測

綜述！全面概括基礎(chǔ)模型對于推動自動駕駛的重要作用

本文全面概述了基礎(chǔ)模型在自動駕駛應(yīng)用中的重要作用。從本文調(diào)研的相關(guān)研究工作的總結(jié)和發(fā)現(xiàn)來看，另一個值得進(jìn)一步探索的方向是如何為自監(jiān)督學(xué)習(xí)設(shè)計一個有效的網(wǎng)絡(luò)架構(gòu)。

2024-05-23 10:24:29

自動駕駛模型架構(gòu)

自動駕駛場景中的長尾問題怎么解決？

自動駕駛的底層架構(gòu)和大部分技術(shù)問題已經(jīng)被解決，剩下的5%的長尾問題，逐漸成了制約自動駕駛發(fā)展的關(guān)鍵。

2024-05-20 09:52:55

自動駕駛場景

CVPR'24 Oral | 一覽純稀疏點(diǎn)云檢測器SAFDNet的前世今生！

為了提升模型效率，現(xiàn)有的3D點(diǎn)云物體檢測器大多采用稀疏卷積來提取特征。稀疏卷積主要包括RS卷積和SS卷積。RS卷積在計算過程中會將稀疏特征擴(kuò)散到相鄰區(qū)域，因而會降低特征圖的稀疏度。

2024-05-17 09:30:29

3D 點(diǎn)云

DenserRadar：基于密集LiDAR點(diǎn)云的4D毫米波雷達(dá)點(diǎn)云檢測器

本文介紹了DenserRadar，這是一個新穎的4D毫米波雷達(dá)點(diǎn)云檢測網(wǎng)絡(luò)，以及一個用于生成密集真值的創(chuàng)新流程。

2024-05-15 10:16:18

MIT最新！多模態(tài)LLM真的無所不能嗎？大模型能解決一切難題嗎？

本文介紹了一個專門設(shè)計的模擬器DR I V ESI M，用于生成各種駕駛場景，為評估MLLMs在駕駛領(lǐng)域提供了平臺。

2024-05-15 10:15:00

自動駕駛模型

ENNOVI利用先進(jìn)能力對電動汽車電池模塊電芯巴片的設(shè)計進(jìn)行優(yōu)化

我們最新的研究成果和詳盡的材料測試有望提升電動汽車電池的制造效率、可靠性和環(huán)境可持續(xù)性

2024-05-13 16:31:21

上一頁 1 2 3 4 5 6 ··· 17 下一頁

點(diǎn)贊

51CTO技術(shù)棧公眾號

業(yè)務(wù)
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學(xué)堂精培企業(yè)培訓(xùn) CTO訓(xùn)練營

<thead id="ljncf"><rt id="ljncf"></rt></thead>