自动驾驶的全景感知：一项综述
Panoptic Perception for Autonomous Driving: A Survey
AI总结：
本综述系统回顾了自动驾驶领域的全景感知模型，比较了其输入、架构及在性能、响应速度和资源利用率上的表现，并探讨了当前挑战与未来研究方向，为相关研究提供了重要参考。
摘要：
全景感知代表了自动驾驶技术的前沿进展，将多种感知任务统一到一个单一、连贯的框架中，以促进对车辆周围环境的全面理解。本综述回顾了典型的全景感知模型及其独特的输入和架构，并在性能、响应速度和资源利用率方面进行了比较。此外，还深入探讨了全景感知当前面临的挑战，并探索了未来研究的潜在方向。我们的目标是为自动驾驶研究人员提供全景感知的详细概要，将本综述定位为自动驾驶技术不断发展领域中的重要参考。
英文摘要：
Panoptic perception represents a forefront advancement in autonomous driving technology, unifying multiple perception tasks into a singular, cohesive framework to facilitate a thorough understanding of the vehicle's surroundings. This survey reviews typical panoptic perception models for their unique inputs and architectures and compares them to performance, responsiveness, and resource utilization. It also delves into the prevailing challenges faced in panoptic perception and explores potential trajectories for future research. Our goal is to furnish researchers in autonomous driving with a detailed synopsis of panoptic perception, positioning this survey as a pivotal reference in the ever-evolving landscape of autonomous driving technologies.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
