StreamMapNet 是一种能进行长序列时间建模视频的新型在线地图制作方法,能够在广泛感知范围内构建具有高稳定性的大范围本地高清地图,并解决了现有方法的局限性,其在所有设置下均明显优于现有方法,同时保持 14.2FPS 的在线推理速度。
Aug, 2023
一个以增强查询功能为重点的端到端方法(MapQR),用于构建在线矢量地图。通过使用散开并聚合的查询设计以及添加来自参考点的位置信息来改进实例查询,MapQR 实现了最佳的平均精度 (mAP) 并且在 nuScenes 和 Argoverse 2 上具有良好的效率。
Feb, 2024
本文提出了一种双向流式视频去噪方法,借助于双向缓存块这一核心模块,实现了对过去和未来时间段内的噪声进行实时去除,并可用于非盲和盲视频去噪的情况下,最终实验结果显示在合成和实际噪声方面,我们的方法在恢复保真度和运行时间方面优于以前的方法。
Jul, 2022
本文介绍 HD 语义地图学习的问题,提出了一种语义地图学习方法 HDMapNet,通过多传感器数据的融合,可以更好地动态地构建地图语义,并且相比于传统基线方法具有更好的性能。
Jul, 2021
StreamDEQ 是一种使用隐式层模型连续推断每帧视频表示且利用先前帧的表示作为初始条件的方法,通过实验证明,StreamDEQ 在几帧的实验时间内准确地恢复了近乎最优的表示,并且可以在视频显示期间保持最新的表示。
Apr, 2022
研究了向量嵌入、检索增强生成、流式相似性搜索、局部自适应向量量化和 Turbo LVQ,提出了两种改进的 LVQ 方法,通过高效地搜索性能提高了搜索效果,并通过 Scalable Vector Search 引入开源库提供工具。
提出了抗干扰地图重建框架(ADMap),通过探索点序关系来有效监控预测过程,实现了自动驾驶中在线高清地图重建的稳定性和可靠性。
Jan, 2024
在线高清地图 (HDMap) 估计通过传感器提供一个低成本的替代手动获取 HDMap 的方法,我们提出通过考虑已有的地图来改进在线 HDMap 估计,并引入 MapEX,一种新颖的在线 HDMap 估计框架,通过将地图元素编码为查询令牌,并改进用于训练经典查询基础地图估计模型的匹配算法,我们在 nuScenes 数据集上证明了 MapEX 能够显著提高性能。
Nov, 2023
本文介绍了如何加速去噪扩散生成模型的生成过程,通过对去噪网络进行压缩,在不进行重新训练的情况下,将完全精度的 DM 量化为 8 位模型,并可在其他快速采样方法上使用。
Nov, 2022
本研究提出了一个名为 VectorMapNet 的端到端矢量化高清地图学习管道,它可以利用传感器观测数据预测出鸟瞰图中稀疏的折线。该管道可以明确地建模地图元素之间的空间关系,并生成对自主驾驶任务友好的矢量化高清地图。实验表明,VectorMapNet 在 nuScenes 和 Argoverse2 数据集上的地图学习性能优于以前的最先进方法,MAP 分别提高了 14.2 和 14.6。
Jun, 2022