自动驾驶

Enhancing Indoor Occupancy Prediction via Sparse Query-Based Multi-Level Consistent Knowledge Distillation

通过稀疏查询多级一致知识蒸馏增强室内占用预测

Xiang Li, Yupeng Zheng, Pengfei Li, Yilun Chen, Ya-Qin Zhang, Wenchao Ding

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； AIR, Tsinghua University（清华大学人工智能研究院） ； TARS ； College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） 纠错

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

AI总结 DiScene通过多级一致知识蒸馏和教师引导初始化，实现高效鲁棒的室内占用预测，优于现有方法并取得SOTA性能。

Comments Accepted by RA-L

VVLoc: Prior-free 3-DoF Vehicle Visual Localization

VVLoc: 无需先验信息的3自由度车辆视觉定位

Ze Huang, Zhongyang Xiao, Mingliang Song, Longan Yang, Hongyuan Yuan, Li Sun

机构 * Fudan University（复旦大学） ； NIO（蔚来汽车） ； Bosch XC（博世XC） 纠错

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

AI总结 VVLoc通过单一神经网络实现多摄像头下的车辆拓扑与度量定位，无需先验信息，提升定位精度与效率。

DenseFormer: Learning Dense Depth Map from Sparse Depth and Image via Conditional Diffusion Model

DenseFormer: 通过条件扩散模型学习稀疏深度和图像的密集深度图

Ming Yuan, Chuang Zhang, Lei He, Qing Xu, Jianqiang Wang

机构 * the School of Vehicle and Mobility（车辆与移动学院） ； Tsinghua University（清华大学） 纠错

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

AI总结 DenseFormer通过条件扩散模型，结合特征提取和深度细化模块，实现从稀疏深度和图像生成密集深度图，优于传统方法。

Spot-Wise Smart Parking: An Edge-Enabled Architecture with YOLOv11 and Digital Twin Integration

按车位智能停车：集成YOLOv11和数字孪生的边缘计算架构

Gustavo P. C. P. da Luz, Alvaro M. Aspilcueta Narvaez, Tiago Godoi Bannwart, Gabriel Massuyoshi Sato, Luis Fernando Gomez Gonzalez, Juliana Freitag Borin

机构 * Institute of Computing University of Campinas (UNICAMP)（计算研究所 卡廷斯大学（UNICAMP）） 纠错

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

AI总结 本文提出一种基于边缘计算的智能停车系统，结合YOLOv11和数字孪生技术，实现高精度车位监控与可持续发展。

Comments Submitted to Journal of Internet Services and Applications, 27 pages, 20 figures, 3 tables

Expected Cost of Greedy Online Facility Assignment on Regular Polygons (v3)

正则多边形上贪心在线设施分配的预期成本

Md. Rawha Siddiqi Riad, Md. Tanzeem Rahat, Md. Manzurul Hasan

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究正则多边形上贪心在线设施分配的预期成本，利用对称性减少动态规划和蒙特卡洛模拟验证理论结果。