偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

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)

信創(chuàng)認(rèn)證

公眾號矩陣

移動(dòng)端

視頻課免費(fèi)課排行榜短視頻直播課軟考學(xué)堂

全部課程軟考信創(chuàng)認(rèn)證華為認(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

ENNOVI利用先進(jìn)能力對電動(dòng)汽車電池模塊電芯巴片的設(shè)計(jì)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(dòng)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

力壓Transformer？首篇Mamba綜述來了！

Mamba已迅速成為一種變革性的長序列建模架構(gòu)，以其卓越的性能和高效的計(jì)算實(shí)現(xiàn)而聞名。隨著它在計(jì)算機(jī)視覺領(lǐng)域的不斷發(fā)展，本文對視覺曼巴方法進(jìn)行了全面的綜述。

2024-05-13 10:38:08

模型架構(gòu)

SIGGRAPH'24 | 太逆天了！利用分層3D GS，實(shí)時(shí)渲染超大規(guī)模場景！

我們提出了一個(gè)完整的解決方案，該方案能夠?qū)崟r(shí)渲染非常大的場景，并可以通過LOD方法適應(yīng)可用資源。我們展示了使用簡單且負(fù)擔(dān)得起的設(shè)備捕獲的場景的結(jié)果，這些場景包含多達(dá)數(shù)萬張圖像，涵蓋了長達(dá)數(shù)公里、持續(xù)時(shí)間長達(dá)一小時(shí)的軌跡。

2024-05-11 10:28:12

美國監(jiān)管機(jī)構(gòu)要求特斯拉必須提交Autopilot召回?cái)?shù)據(jù)，否則面臨重罰

美國國家公路交通安全管理局（NHTSA）正在向特斯拉施壓，要求該公司在去年12月軟件自愿召回后對其Autopilot駕駛員輔助系統(tǒng)所做的更改做出回應(yīng)，那次召回涉及在美國的約200萬輛特斯拉汽車。

2024-05-09 18:17:48

LLM全搞定！OmniDrive：集3D感知、推理規(guī)劃于一體（英偉達(dá)最新）

本文通過提出一個(gè)全面的端到端自主駕駛框架OmniDrive，在LLM-agent的基礎(chǔ)上提供了一種有效的3D推理和規(guī)劃模型，并構(gòu)建了一個(gè)更具挑戰(zhàn)性的基準(zhǔn)，推動(dòng)了自動(dòng)駕駛領(lǐng)域的進(jìn)一步發(fā)展。

2024-05-09 09:29:31

3D 模型自動(dòng)駕駛

2024年，端到端自動(dòng)駕駛在國內(nèi)是否會(huì)有實(shí)質(zhì)性的突破和進(jìn)展？

作為有幸體驗(yàn)過國內(nèi)一線品牌有圖無圖城市功能，同時(shí)又體驗(yàn)過FSD V11和V12兩個(gè)版本的人，在這里我想結(jié)合自己專業(yè)背景和對Tesla FSD常年的進(jìn)展跟蹤，談幾個(gè)現(xiàn)階段大家談及端到端自動(dòng)駕駛的常見誤區(qū)，并給出我自己對于這些問題的解讀。

2024-05-08 11:32:24

端到端自動(dòng)駕駛

一覽Occ與自動(dòng)駕駛的前世今生！首篇綜述全面匯總特征增強(qiáng)/量產(chǎn)部署/高效標(biāo)注三大主題

本文首先介紹了基于視覺的三維占用預(yù)測的背景，并討論了這項(xiàng)任務(wù)中的挑戰(zhàn)。

2024-05-08 10:43:34

自動(dòng)駕駛視覺

OmniDrive: 一個(gè)關(guān)于大模型與3D駕駛?cè)蝿?wù)對齊的框架

多模態(tài)大語言模型（MLLMs）的進(jìn)展導(dǎo)致了對基于LLM的自動(dòng)駕駛的興趣不斷增長，以利用它們強(qiáng)大的推理能力。

2024-05-06 11:37:20

自動(dòng)駕駛 3D

Gaussian-LIC：首個(gè)多傳感器融合3DGS-SLAM系統(tǒng)（浙大&TUM）

3DGS以其快速的渲染速度和優(yōu)越的視覺質(zhì)量而引人注目。作為一種明確且可解釋的表示法，3DGS使得場景編輯變得簡單，有利于眾多下游任務(wù)。

2024-04-29 09:43:21

傳感器激光雷達(dá)

閉環(huán)永動(dòng)機(jī)！NeuroNCAP：徹底打通端到端閉環(huán)仿真鏈路，已開源！

本文提出了一種用于測試自動(dòng)駕駛（AD）軟件系統(tǒng)的多功能基于NeRF的仿真器，其設(shè)計(jì)重點(diǎn)是傳感器真實(shí)閉環(huán)評估和安全關(guān)鍵場景的創(chuàng)建。

2024-04-29 09:36:14

仿真器傳感器

最新綜述！萬字長文徹底搞懂單目3D車道線檢測

在人工智能的推動(dòng)下，自動(dòng)駕駛技術(shù)近年來取得了快速發(fā)展，逐漸重塑了人類交通運(yùn)輸?shù)姆妒?。配備了一系列傳感器，自?dòng)駕駛車輛模仿人類的視覺和聽覺等感知能力，以感知周圍環(huán)境并解釋交通場景以確保安全導(dǎo)航。

2024-04-28 15:04:08

自動(dòng)駕駛視覺

FisheyeDetNet：首個(gè)基于魚眼相機(jī)的目標(biāo)檢測算法

本文提出的具有多邊形的模型FisheyeDetNet優(yōu)于其他模型，同時(shí)在用于自動(dòng)駕駛的Valeo魚眼相機(jī)數(shù)據(jù)集上實(shí)現(xiàn)了49.5%的mAP指標(biāo)。

2024-04-26 10:00:03

自動(dòng)駕駛模型

在線地圖還能這樣？MapTracker：用跟蹤實(shí)現(xiàn)在線地圖新SOTA！

本文介紹了MapTracker，它將在線HD映射公式化為跟蹤任務(wù)，并利用raster and vector latents的歷史來保持時(shí)序一致性。我們使用查詢傳播機(jī)制來跨幀關(guān)聯(lián)被跟蹤的道路元素，并將所選擇的memory entries的子集與距離步幅融合以增強(qiáng)一致性。

2024-04-25 11:45:09

在線地圖 SOTA

CVPR 2024 | 面向真實(shí)感場景生成的激光雷達(dá)擴(kuò)散模型

本文提出了激光雷達(dá)擴(kuò)散模型（LiDMs），這是一個(gè)用于激光雷達(dá)場景生成的通用條件化框架。

2024-04-24 11:29:54

模型雷達(dá)

超越BEVFormer！CR3DT：RV融合助力3D檢測&跟蹤新SOTA（ETH）

相機(jī)和毫米波雷達(dá)融合的方案，相較于純LiDAR或者是LiDAR和相機(jī)融合的方案，具有低成本的優(yōu)勢，貼近當(dāng)前自動(dòng)駕駛汽車的發(fā)展。

2024-04-24 11:23:11

3D檢測雷達(dá)

牛津大學(xué)最新！Mickey：3D中的2D圖像匹配SOTA！(CVPR'24)

本文提出了MicKey，這是一個(gè)關(guān)鍵點(diǎn)匹配流程，能夠預(yù)測三維相機(jī)空間中的度量對應(yīng)關(guān)系。

2024-04-23 09:30:07

超越BEVFusion！DifFUSER：擴(kuò)散模型殺入自動(dòng)駕駛多任務(wù)（BEV分割+檢測雙SOTA）

本文為大家分享一篇擴(kuò)散模型實(shí)現(xiàn)多任務(wù)網(wǎng)絡(luò)的工作DifFUSER！

2024-04-22 15:08:35

擴(kuò)散模型自動(dòng)駕駛

ENNOVI面向汽車行業(yè)推出全面的解決方案，助力客戶加速實(shí)現(xiàn)電氣化成功轉(zhuǎn)型

ENNOVI作為智能出行電氣化解決方案合作伙伴，近期推出了一種用于電動(dòng)汽車電池互連系統(tǒng)低壓連接的新型柔性線路板生產(chǎn)工藝和10Gbps+以太網(wǎng)連接器解決方案，以高性能、低成本的解決方案，助力車企簡化生產(chǎn)流程、提高生產(chǎn)效率、降低生產(chǎn)成本。

2024-04-22 14:20:03

如何利用Transformer有效關(guān)聯(lián)激光雷達(dá)-毫米波雷達(dá)-視覺特征？

本文提出了一種新的3D目標(biāo)檢測方法DeepInteraction，用于探索固有的多模態(tài)互補(bǔ)性質(zhì)。

2024-04-19 12:38:20

CVPR 2024 | 巨幅提升24%！LiDAR4D會(huì)是LiDAR重建的答案么？

本文提出了LiDAR4D，這是一種用于新的時(shí)空LiDAR視圖合成的LiDAR-only的可微分框架，它重建動(dòng)態(tài)駕駛場景并端到端生成逼真的LiDAR點(diǎn)云。

2024-04-19 12:28:47

自動(dòng)駕駛場景

nuScenes最新SOTA | SparseAD：稀疏查詢助力高效端到端自動(dòng)駕駛！

自動(dòng)駕駛系統(tǒng)需要在復(fù)雜的駕駛場景中做出正確的決策，以確保駕駛的安全性和舒適性。

2024-04-17 09:50:28

自動(dòng)駕駛端到端

BEV跟蹤基線 | BEVTrack：基于鳥瞰圖中的點(diǎn)云跟蹤

本文提出了BEVTrack，這是一種簡單而強(qiáng)大的三維單目標(biāo)跟蹤的基線框架。這種開創(chuàng)性的方法通過BEV表示有效地利用了空間信息，從而簡化了跟蹤流程設(shè)計(jì)。

2024-04-16 09:50:23

點(diǎn)云跟蹤框架

聊聊端到端與下一代自動(dòng)駕駛系統(tǒng)，以及端到端自動(dòng)駕駛的一些誤區(qū)？

端到端自動(dòng)駕駛的概念和大模型自動(dòng)駕駛以及純視覺自動(dòng)駕駛沒有任何必然的聯(lián)系。這三個(gè)概念是完全獨(dú)立存在的，一個(gè)端到端的系統(tǒng)不必一定是傳統(tǒng)意義上的大模型驅(qū)動(dòng)的，也不一定就是純視覺。

2024-04-15 11:40:37

自動(dòng)駕駛端到端

CVPR'24 | LightDiff：低光照場景下的擴(kuò)散模型，直接照亮夜晚！

本文介紹了 LightDiff ，這是一個(gè)為自動(dòng)駕駛應(yīng)用設(shè)計(jì)的、針對特定領(lǐng)域的框架，旨在提高低光照環(huán)境下圖像的質(zhì)量，減輕以視覺為中心的感知系統(tǒng)所面臨的挑戰(zhàn)。

2024-04-15 10:30:59

自動(dòng)駕駛框架

軌跡預(yù)測系列 | HiVT之進(jìn)化版QCNet到底講了啥？

Agent為中心的進(jìn)行預(yù)測的model存在一個(gè)問題，當(dāng)窗口移動(dòng)時(shí)需要多次重復(fù)normalize到agent中心，再進(jìn)行重復(fù)encoding的過程，對于onboard使用是不劃算的。

2024-04-12 15:14:38

軌跡預(yù)測

等等我還沒上車！LLM賦能端到端全新范式LeGo-Drive，車速拉滿

本文通過將所提出的端到端方法作為目標(biāo)點(diǎn)導(dǎo)航問題來解決，揭示了其與傳統(tǒng)解耦方法相比的明顯優(yōu)勢。

2024-04-12 09:31:34

端到端自動(dòng)駕駛

效率狂增16倍！VRSO：純視覺靜態(tài)物體3D標(biāo)注，打通數(shù)據(jù)閉環(huán)！

VRSO 框架實(shí)現(xiàn)了靜態(tài)物體高精度和一致的3D標(biāo)注，緊密集成了檢測、分割和 SFM 算法，消除了智能駕駛標(biāo)注中的人工干預(yù)，提供了與基于LiDAR的手動(dòng)標(biāo)注相媲美的結(jié)果。

2024-04-11 11:20:12

3D 標(biāo)注

多個(gè)SOTA ！OV-Uni3DETR：提高3D檢測在類別、場景和模態(tài)之間的普遍性（清華&港大）

這篇論文指出，3D通用目標(biāo)檢測面臨的挑戰(zhàn)主要包括：現(xiàn)有的3D檢測器僅能在封閉詞匯的情況下工作，因此只能檢測已見過的類別。緊迫需要Open-Vocabulary的3D目標(biāo)檢測，以識別和定位訓(xùn)練過程中未獲取的新類別目標(biāo)實(shí)例。

2024-04-11 11:16:53

3D 目標(biāo)檢測

市值降、盈利難：新造車勢力集體不好過

3年前馬斯克告訴投資者，電動(dòng)汽車將會(huì)成為規(guī)模達(dá)萬億美元的大產(chǎn)業(yè)。投資者認(rèn)同，于是紛紛尋找下一個(gè)特斯拉。事實(shí)證明，想在電動(dòng)汽車世界生存是很難的，特斯拉不容易，其它新造車追隨者更難。

2024-04-11 10:15:00

在線建圖與軌跡預(yù)測如何緊密結(jié)合？

本文提出了一個(gè)通用的矢量化地圖不確定性公式，并擴(kuò)展了多種最新的在線地圖估計(jì)方法，包括MapTR [22]、MapTRv2 [23]和StreamMapNet [38]，使它們能夠額外輸出不確定性。

2024-04-03 09:48:47

自動(dòng)駕駛軌跡

DriveCoT：全面的開環(huán)端到端駕駛數(shù)據(jù)集和Benchmark

我們提出了一個(gè)名為DriveCoT-Agent的基線模型，它是在我們的數(shù)據(jù)集上訓(xùn)練的，用于生成推理鏈預(yù)測和最終決策。

2024-03-29 09:32:03

模型訓(xùn)練

一文盡覽！相機(jī)內(nèi)參標(biāo)定的工具有哪些？

今天就為大家盤點(diǎn)下相機(jī)內(nèi)參標(biāo)定常用的工具箱。

2024-03-28 10:08:31

自動(dòng)駕駛工具

DifFlow3D：場景流估計(jì)新SOTA，擴(kuò)散模型又下一城！

本文提出了一種新穎的不確定性感知場景流估計(jì)網(wǎng)絡(luò)（DifFlow3D），該網(wǎng)絡(luò)采用了擴(kuò)散概率模型。

2024-03-27 10:20:31

CLIP-BEVFormer：顯式監(jiān)督BEVFormer結(jié)構(gòu)，提升長尾檢測性能

在本文中，針對原有的BEVFormer算法當(dāng)中存在的生成BEV特征圖過程中缺少顯示監(jiān)督以及Decoder模塊中Object Query與BEV特征交互查詢的不確定問題，我們提出了CLIP-BEVFormer算法模型，并從算法模型的3D感知性能、目標(biāo)長尾分布以及在傳感器故障的魯棒性等方面進(jìn)行實(shí)驗(yàn)。

2024-03-26 09:27:56

深度估計(jì)SOTA！自動(dòng)駕駛單目與環(huán)視深度的自適應(yīng)融合

本工作提出了一種新的魯棒性基準(zhǔn)來評估各種噪聲姿態(tài)設(shè)置下的深度估計(jì)系統(tǒng)。

2024-03-22 10:24:02

系統(tǒng)評估

相機(jī)與激光雷達(dá)是怎么標(biāo)定的？一覽行業(yè)所有主流的標(biāo)定工具

本文為大家盤點(diǎn)下常見的Camera-Lidar標(biāo)定工具箱，建議收藏！

2024-03-22 09:24:58

激光雷達(dá)工具

大眾汽車集團(tuán)加強(qiáng)與Mobileye在自動(dòng)駕駛領(lǐng)域合作

大眾汽車正加強(qiáng)與Mobileye在自動(dòng)駕駛領(lǐng)域的合作，將全新自動(dòng)駕駛功能引入其旗下的量產(chǎn)車型。Mobileye將基于其Mobileye SuperVisionTM和Mobileye ChauffeurTM平臺，提供部分自動(dòng)駕駛或高度自動(dòng)駕駛技術(shù)。

2024-03-21 11:15:20

DualBEV：大幅超越BEVFormer、BEVDet4D，開卷！

DualBEV成功地提升了多個(gè)關(guān)鍵性能指標(biāo)，特別是在鳥瞰圖（BEV）的精度和場景理解方面。

2024-03-20 15:53:28

模型技術(shù)

毫末智行刷新nuSecnces自動(dòng)駕駛公開數(shù)據(jù)集障礙物檢測榜單，關(guān)鍵指標(biāo)NDS達(dá)到68.8%

得益于更先進(jìn)算法和更高算力的進(jìn)步，nuScenes競賽的3D目標(biāo)檢測任務(wù)榜單成績不斷取得提升，其中毫末AI技術(shù)團(tuán)隊(duì)將關(guān)鍵性指標(biāo)NDS提升到68.8%

2024-03-20 10:42:38

全球首個(gè)基于大語言模型的自動(dòng)駕駛語言控制模型

今天為大家分享澳門大學(xué)最新的工作—CAVG，首個(gè)基于大語言模型的自動(dòng)駕駛語言控制模型！

2024-03-19 13:12:36

自動(dòng)駕駛模型

DECO: 純卷積Query-Based檢測器超越DETR！

本文旨在研究是否能夠構(gòu)建一種基于查詢的端到端目標(biāo)檢測框架，而不采用復(fù)雜的Transformer架構(gòu)。提出了一種名為Detection ConvNet（DECO）的新型檢測框架，包括主干網(wǎng)絡(luò)和卷積編碼器-解碼器結(jié)構(gòu)。通過精心設(shè)計(jì)DECO編碼器和引入一種新穎的機(jī)制，使DECO解碼器能夠通過卷積層實(shí)現(xiàn)目標(biāo)查詢和圖像特征之間的交互。

2024-03-19 11:52:28

端到端框架

優(yōu)于所有方法！HIMap：端到端矢量化HD地圖構(gòu)建

本文提出了一個(gè)簡單而有效的HybrId框架，命名為HIMap，以充分學(xué)習(xí)和交互點(diǎn)級和element級信息。

2024-03-19 11:48:36

進(jìn)一步加速落地：壓縮自動(dòng)駕駛端到端運(yùn)動(dòng)規(guī)劃模型

本文提出了 PlanKD，這是第一個(gè)為壓縮端到端運(yùn)動(dòng)規(guī)劃器量身定制的知識蒸餾框架。

2024-03-15 10:20:14

自動(dòng)駕駛模型

3DGStream：快速訓(xùn)練，200 FPS實(shí)時(shí)渲染逼真場景！

3DGStream能夠以百萬像素的分辨率實(shí)時(shí)渲染照片逼真的FVV，具有異常快速的每幀訓(xùn)練速度和有限的模型存儲(chǔ)要求。

2024-03-13 10:03:02

3D 訓(xùn)練場景

LimSim++：多模態(tài)大模型在自動(dòng)駕駛中的新舞臺

上海人工智能實(shí)驗(yàn)室的智能交通平臺組推出了**LimSim++**，這是一款專為(M)LLM設(shè)計(jì)的自動(dòng)駕駛閉環(huán)仿真平臺。

2024-03-12 09:24:38

Sora是『神筆馬良』還是AI怪物？首篇綜述一探乾坤！

自從ChatGPT于2022年11月發(fā)布以來，AI技術(shù)的出現(xiàn)標(biāo)志著一個(gè)重大的轉(zhuǎn)變，深入融合到日常生活和行業(yè)的各個(gè)方面。借助這一勢頭，OpenAI于2024年2月發(fā)布了Sora，這是一個(gè)文本到視頻生成的AI模型，可以根據(jù)文本提示生成逼真或富有想象力的場景視頻。

2024-03-12 09:22:30

AI 技術(shù)

理解世界，最新綜述開啟自動(dòng)駕駛新時(shí)代

本文對自動(dòng)駕駛世界模型的現(xiàn)狀和未來進(jìn)展進(jìn)行了初步回顧，涵蓋了它們的理論基礎(chǔ)、實(shí)際應(yīng)用以及旨在克服現(xiàn)有局限性的正在進(jìn)行的研究工作。

2024-03-11 10:08:12

1.3ms耗時(shí)！清華最新開源移動(dòng)端神經(jīng)網(wǎng)絡(luò)架構(gòu) RepViT

本文重點(diǎn)探討了在資源有限的移動(dòng)設(shè)備上，通過重新審視輕量級卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)，并整合輕量級 ViTs 的有效架構(gòu)選擇，來提升輕量級 CNNs 的性能。

2024-03-11 09:31:46

開源神經(jīng)網(wǎng)絡(luò)架構(gòu)

CLRNet：一種用于自動(dòng)駕駛車道檢測的分層細(xì)化網(wǎng)絡(luò)算法

對于車道檢測來說，低級和高級特征是互補(bǔ)的，基于此，本文提出了一種新穎的網(wǎng)絡(luò)架構(gòu)（CLRNet）來充分利用低級和高級特征進(jìn)行車道檢測。

2024-03-08 09:29:42

車道檢測 AI

開環(huán)端到端自動(dòng)駕駛中自車狀態(tài)是你所需要的一切嗎？

本文深入分析了當(dāng)前開環(huán)端到端自動(dòng)駕駛方法固有的缺點(diǎn)。本文的目標(biāo)是貢獻(xiàn)研究成果，促進(jìn)端到端自動(dòng)駕駛的逐步發(fā)展。

2024-03-07 10:29:43

端到端自動(dòng)駕駛

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

<strong id="tdbk7"></strong>

<wbr id="tdbk7"><td id="tdbk7"></td></wbr>