自动驾驶

Towards Generating Realistic 3D Semantic Training Data for Autonomous Driving

朝向生成逼真3D语义训练数据以实现自动驾驶

Lucas Nunes, Rodrigo Marcuzzi, Jens Behley, Cyrill Stachniss

机构 * Center for Robotics, University of Bonn, Germany（bonn大学机器人中心） ； RWTH Aachen, Germany（亚琛工业大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence, Germany（lamarr机器学习与人工智能研究所） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 本文提出一种无需投影或分离开的多分辨率模型的3D语义生成方法，生成更逼真的场景数据，提升自动驾驶训练效果。

TREND: Unsupervised 3D Representation Learning via Temporal Forecasting for LiDAR Perception

TREND: 通过时间预测进行无监督3D表示学习的LiDAR感知

Runjian Chen, Hyoungseob Park, Bo Zhang, Wenqi Shao, Ping Luo, Alex Wong

机构 * The University of Hong Kong（香港大学） ； Yale University（耶鲁大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心） 纠错

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.CV

AI总结 TREND通过时间预测进行无监督3D表示学习，提升LiDAR感知性能。

Decoupling Spatio-Temporal Dynamics: Microvibration Imaging Using Coherent Detection Ghost Imaging Lidar

分离时空动态：利用相干检测鬼成像激光雷达的微振动成像

Shuang Liu, Jinquan Qi, Chaoran Wang, Chenjin Deng, Shensheng Han

专题命中 感知 ：LiDAR(title)

AI总结 本文提出一种相干检测-鬼成像框架，用于高精度微振动成像，实现亚波长灵敏度的结构健康监测。

Bandwidth-adaptive Cloud-Assisted 360-Degree 3D Perception for Autonomous Vehicles

带宽自适应的云辅助360度3D感知用于自动驾驶车辆

Faisal Hawladera, Rui Meireles, Gamal Elghazaly, Ana Aguiar, Raphaël Frank

机构 * Interdisciplinary Centre for Security, Reliability, and Trust (SnT), University of Luxembourg, L-1855, Luxembourg（安全、可靠性与信任跨学科研究中心（SnT），卢森堡大学） ； Computer Science Department, Vassar College, Poughkeepsie, NY 12604, USA（计算机科学系，瓦萨学院） 纠错

专题命中 感知 ：autonomous driving(abstract)；BEV(abstract)；分类 cs.CV

AI总结 本文提出一种带宽自适应的云辅助3D感知方法，通过动态分割计算任务和特征压缩，降低延迟并提升检测精度，适用于复杂城市环境中的自动驾驶。