CVPRMar, 2024

AIDE：用于自动驾驶中目标检测的自动数据引擎

PDF
TL;DR我们提出使用视觉语言和大型语言模型的最新进展设计自动数据引擎（AIDE），以自动识别问题、高效筛选数据、通过自动标注改进模型，并通过生成多样化场景验证模型，从而实现模型的持续自我改进。我们还在自动驾驶数据集上建立了一个开放世界检测基准，全面评估各种学习范式，并展示了我们方法在减少成本的基础上具有卓越性能。
autonomous vehicleperception modelsvision-languageautomatic data engineopen-world detection
发现论文，激发创造
  • AIDE: 一种以视觉为驱动的多视角、多模态、多任务辅助驾驶数据集

    过去十年来，司机分心成为严重交通事故的一个重要原因。本文介绍了一个考虑车内外背景信息的辅助驾驶感知数据集（AIDE），该数据集通过三个特征实现了全面的驾驶员监测，包括驾驶员和场景的多视角设置、对面部、身体、姿势和手势进行多模态注释，以及四种用于驾驶理解的实用任务设计。通过广泛的方法，在三种基准框架上提供了对 AIDE 的实验基准。此外，介绍了两种融合策略，以深入研究学习有效的多流 / 模态表示的新见解。同时，还系统地调查了 AIDE 和基准中关键组件的重要性和合理性。项目链接见 https URL。

    Jul, 2023

  • 自主车辆中的目标检测：现状与开放挑战

    本文研究计算机视觉中的物体检测任务，分析其在自主驾驶汽车中的应用，并探讨目前物体探测器的现状和面临的挑战。

    Jan, 2022

  • 自动驾驶的 3D 物体检测综述

    本文旨在填补 3D 对象检测在自动驾驶中的知识空白，综述了相关领域的传感器、数据集、性能度量以及最新的检测方法，分析了其优劣，并进行了定量比较和案例研究，最后总结了研究成果和未来发展方向。

    Jun, 2021

  • 基于深度学习的自动驾驶车辆异构流量数据集 ANNA

    通过创建新的数据集 ANNA 并借助神经网络，本研究评估了现有数据集在孟加拉交通场景下的不足，并证明了使用该数据集训练的模型在孟加拉交通情境下更精确和高效，强调了开发准确有效的物体检测算法对自动驾驶车辆发展的重要性。

    Jan, 2024

  • 可伸缩的物体检测主动学习

    本研究描述了一个可扩展的主动学习系统，旨在改善在自动驾驶中监督学习的数据效率，主要围绕深度神经网络、有监督学习、主动学习、自动驾驶和数据效率展开，同时探讨了一些挑战及其解决方法，并简要描述了未来发展方向。

    Apr, 2020

  • 自动驾驶中的三维物体检测：综述与新展望

    本文综述了自动驾驶技术中感知系统中重要的一环 - 三维物体检测的研究进展以及应用，包括基于激光雷达和基于相机的方法，并分析了各自的优缺点和潜在的应用场景。

    Jun, 2022

  • 通过不确定性提升可解释的自动驾驶车辆对象感知模型

    基于 “物体引导” 模型方法和 Beta 先验的证据深度学习范式，该研究提出了一种解释自动驾驶车辆决策的方法，通过集成不确定性评估来克服复杂驾驶场景中可靠性方面的挑战，并在基于 BDD-OIA 数据集的实验中证明该模型在各种情景下优于现有基准模型。

    Feb, 2024

  • 一种车辆跟随的主动推断模型：优势和应用

    该研究提出了使用主动推理的一种新型车辆跟随建模方法，该方法具有与数据驱动的模型相当的行为灵活性，同时保持可解释性。通过基准分析，该模型被证明可以显着地预测驾驶控制，并表明需要进一步研究以建立行驶风格并利用更多样化的数据集进行模型训练。

    Mar, 2023

  • 无需昂贵模块化和 3D 手动标注的端到端自动驾驶

    我们提出了 UAD，一种基于视觉的端到端自动驾驶 (E2EAD) 方法，在 nuScenes 中实现了最佳的开环评估性能，同时在 CARLA 中显示出强大的闭环驾驶质量。

    Jun, 2024

  • 自动驾驶中基于事件的深度目标检测：综述

    事件相机在自动驾驶中利用事件数据进行目标检测具有竞争优势。该论文提供了事件相机在自动驾驶中目标检测的概述，强调了事件相机的低延迟和轻量级架构的竞争性优势。

    May, 2024