fariver

摘要： GAIA-1: A Generative World Model for Autonomous Driving GAIA-1 时间：23.09 机构：Wayve TL;DR 本文介绍一种生成世界模型，该模型利用视频、文本和动作输入来生成逼真的驾驶场景，同时提供对自身车辆行为和场景特征的细粒度控制。 阅读全文

摘要： link Framework Occupancy 模型结构比较像ICCV 2023的OccNet的做法，不过还会额外预测Suface以及NeRF state，预测可行驶区别suface的好处是可以辅助Planning&Control给出更加准确的运动速度等信息(比如，上下坡可根据suface坡度做更 阅读全文

摘要： Planning-oriented Autonomous Driving link 时间：23.03 机构：Shanghai AI Laboratory && SenseTime TL;DR 将 感知、预测 以及 规划 模块整合成为一个E2E的网络结构。该工作是CVPR2023的Best Paper 阅读全文

摘要： MOTR: End-to-End Multiple-Object Tracking with Transformer link 时间：22.07 机构：Megvii TL;DR 传统MOT通过motion与appearance来建模，有复杂的后处理难以E2E。本文基于DETR设计出MOTR算法，通过 阅读全文

摘要： FlashOcc: Fast and Memory-Efficient Occupancy Prediction via Channel-to-Height Plugin link 时间：23.11 机构：houmo.ai 后摩智能 TL;DR 当时比较流行的OCC方案内存与计算复杂度较高，本文提出 阅读全文

摘要： Scene as Occupancy link 时间：23.06 机构：Shanghai AI Lab && SenseTime && CUHK TL;DR 提出使用3D Occupancy来表征3D物理场景，相对于3D检测框，3D Occ可提供更细粒度细节。提出OccNet一种多目级连的时序模型， 阅读全文

摘要： BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers link 时间：22.07 机构：Nanjing University && Sha 阅读全文

摘要： PETR: Position Embedding Transformation for Multi-View 3D Object Detection PETR: Position Embedding Transformation for Multi-View 3D Object Detection 阅读全文

摘要： BEVDet: High-Performance Multi-Camera 3D Object Detection in Bird-Eye-View BEVDet 时间：21/12 机构：PhiGo(鉴智机器人) TL;DR 一种BEV空间做detection的方法，构建了新颖的数据增强方法以及更新 阅读全文

摘要： OFT Orthographic Feature Transform for Monocular 3D Object Detection OFT Orthographic Feature Transform for Monocular 3D Object Detection 时间：18.11 机构： 阅读全文