自动驾驶

DenseBEV: Transforming BEV Grid Cells into 3D Objects

DenseBEV：将BEV网格单元转换为3D对象

Marius Dähling, Sebastian Krebs, J. Marius Zöllner

机构 * NMS Non-Maximum Suppression IoU Intersection-over-Union FoV Field of View mAP mean Average Precision NDS nuScenes detection score ATE Average Translation Error ASE Average Scale Error AOE Average Orientation Error AVE Average Velocity Error AAE Average Attribute Error LET Longitudinal Error Tolerant APL Average Precision Longitudinal APH Average Precision Heading LSS Lift, Splat, Shoot BEV Bird’s-Eye-View DenseBEV: Transforming BEV Grid Cells into 3D Objects（NMS非最大抑制IoU交并比FoV视野mAP均值平均精度NDSnuScenes检测得分ATE平均平移误差ASE平均尺度误差AOE平均方位误差AVE平均速度误差AAE平均属性误差LET纵向误差容忍APL纵向平均精度APH平均方位精度LSS抬升、投射、射击BEV鸟视图DenseBEV：将BEV网格单元转换为3D对象） 纠错

专题命中 BEV与占用 ：BEV(title,abstract)；分类 cs.CV

AI总结 DenseBEV通过直接使用BEV特征单元作为锚点，提出了一种高效且直观的多摄像头3D目标检测方法，提升了小目标检测性能。

Comments 15 pages, 8 figures, accepted by WACV 2026

Self-localization on a 3D map by fusing global and local features from a monocular camera

通过融合单目相机的全局和局部特征实现3D地图上的自定位

Satoshi Kikuchi, Masaya Kato, Tsuyoshi Tasaki

机构 * Meijo University（名古屋大学） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 本研究提出结合CNN与视觉Transformer的方法，提升单目相机在动态障碍物环境下的3D地图自定位精度。

Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems

Revealing quantum phase string effect in doped Mott-insulator: a tensor network state approach

揭示掺杂莫特绝缘体中的量子相位字符串效应：一种张量网络态方法

Wayne Zheng, Jia-Xin Zhang, Zheng-Yuan Yue, Zheng-Cheng Gu, Zheng-Yu Weng

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文通过张量网络态方法揭示掺杂莫特绝缘体中量子相位字符串效应，发现其对自旋序和电荷压缩性有显著影响。

Comments 12 pages, 11 figures

Journal ref Phys. Rev. B 112, 214514 (2025)