新闻中心 
-
03-08OccFusion：一种简单有效的Occ多传感器融合框架（性能SOTA）对3D场景的全面理解在自动驾驶中至关重要，最近的3D语义占用预测模型已经成功地解决了描述具有不同形状和类别的真实世界物体的挑战。然而，现有的3D占用预测方法在很...
-
02-26「人车交互」新突破！普渡大学发布Talk2Drive框架：可学习/定制的「指令识别」系统在普渡大学数字孪生实验室的最新研究中，科学家们采用了一项革命性技术——利用大型语言模型（LLM）来增强自动驾驶汽车的智能指令解析能力。这一创新为自动驾驶技术的发...
-
01-16使用SAM实现可靠的多模态3D检测的RoboFusion论文链接：https://arxiv.org/pdf/2401.03907.pdf多模态3D检测器旨在研究安全可靠的自动驾驶感知系统。尽管它们在干净的基准数据集...
-
01-11NeRF在BEV泛化性能方面的突破：首个跨域开源代码成功实现Sim2Real写在前面&笔者的个人总结鸟瞰图(Birdeye‘sview,BEV)检测是一种通过融合多个环视摄像头来进行检测的方法。目前算法大部分算法都是在相同数据集...
-
01-06PyTorch的九个关键操作！今天我们来聊一聊关于PyTorch的内容，我总结了九个最重要的PyTorch操作，这将给你提供一个整体的概念。张量创建和基本操作PyTorch的张量类似于Num...
-
12-15突破次元壁，X-Dreamer带来高质量的文本到3D生成，融合2D和3D生成领域近年来，在预训练的扩散模型[1,2,3]的发展推动下，自动将文本转化为3D内容取得了重要的进展。其中，DreamFusion[4]引入了一种有效的方法，该方法利...
