3d perception | BriefGPT - AI 论文速递

关键词3d perception

搜索结果 - 37

3D-GRAND: 为 3D-LLMs 提供更好的定位和更少的幻觉
通过引入具有 40,087 个家庭场景和 6.2 百万个密集绑定的场景语言指令的 3D-GRAND，本文展示了对 3D-LLMs 中的指令调优在地面设置和降低幻觉方面的显著增强。另外，该文还提出了一个全面的基准测试 3D-POPE，以系统地
PDFa month ago
3D-PC：人类和机器视觉角度推理的基准测试
通过研究深度神经网络（DNNs）在三维感知挑战中是否具备视角理解（VPT）能力，发现尽管 DNNs 在分析场景和物体的基本三维属性方面表现良好，但在 VPT 任务中与人类存在明显差距，这一挑战表明当前 DNNs 的训练方法和架构适用于学习基
PDFa month ago
3D-Token 化的 LLM 是否是可靠自动驾驶的关键？
利用 Atlas 的 3D 感知 LLM 连接器，此简单而优美的策略同时处理高分辨率多视图图像并使用时空建模，在 nuScenes 数据集上表现出优越的 3D 检测和自动驾驶规划任务的性能，证明了 3D-tokenized LLM 是可靠自
PDFa month ago
自主驾驶中鸟瞰视图感知鲁棒性的基准测试和改进
通过设计评估鲁棒性的 RoboBEV 基准套件，我们评估了包括检测、地图分割、深度估计和占用预测在内的 33 种 BEV 感知模型的性能，并观察到在分布内数据表现良好的模型对分布外挑战具有鲁棒性，同时也强调了预训练和无深度 BEV 变换等策
PDFa month ago
CVPR基于事件的轨道结构恢复
由于事件传感器具有高时间分辨率的视觉感知能力，在不受运动模糊的影响下，它们成为感知快速视觉现象的理想选择。我们提出了基于事件感知的结构 - 轨道（eSfO）方法，旨在同时重建由静态事件相机观察到的快速旋转对象的三维结构，并恢复相机的等效轨道
PDF2 months ago
NeRF-DetS：使用采样自适应连续 NeRF-based 表示网络增强多视角 3D 物体检测
基于 NeRF 和多视角信息融合，提出了一个新的 3D 感知网络结构 NeRF-DetS，实现了在室内多视图 3D 物体检测方面的大幅提升。
PDF2 months ago
UniDepth: 通用单目度量深度估计
通过提出的 UniDepth 模型，我们能够从单个图像中重建度量 3D 场景，并实现相机驱动的深度特征的不变性。
PDF3 months ago
CVPR利用 2D 边界框监督改善远距离 3D 物体检测
使用仅有的 2D 监督信息，我们提出了 LR3D 框架，通过学习远距离物体的深度估计，并使得基于相机的方法能够在 200 米以上的距离实现与完整 3D 监督相当的准确性。
PDF4 months ago
通过 2D-3D 神经校准自学习 LiDAR 3D 点云
这篇论文介绍了一种新颖的自监督学习框架，用于增强自动驾驶场景中的 3D 感知。该方法名为 NCLR，专注于 2D-3D 神经校准，一种估计相机和 LiDAR 坐标系统对齐的创新前提任务。通过学习可训练的转换对齐，我们建立了图像和点云数据之间
PDF5 months ago
Uni3D-LLM：利用大型语言模型统一点云感知、生成和编辑
通过 Uni3D-LLM，我们引入了一个统一框架，利用大型语言模型（LLM）在点云场景中整合了 3D 感知、生成和编辑任务，从而让用户能够轻松地根据自然语言描述在场景中生成和修改对象，显著提高操作的灵活性和可控性。
PDF6 months ago
ODIN：一个用于 2D 和 3D 感知的单一模型
ODIN 是一种利用转换器架构，在 2D RGB 图像和 3D 点云上进行分割和标记的模型，通过位置编码区分 2D 和 3D 特征操作，在多个基准测试上实现了最先进的性能。
PDF6 months ago
M-BEV：面罩 BEV 感知用于稳健自动驾驶
提出了一种能够在自动驾驶中改善鲁棒性和准确感知的 M-BEV 感知框架，通过随机遮挡和重建相机视图进行端到端训练，从而有效解决一个或多个视图摄像头无法工作的现实场景问题。
PDF6 months ago
内窥镜中镜面反射处的法线和形状重建
我们提出了一种新的方法，使用内窥镜图像中的镜面反射作为线索，从单张图像中重建观察到的组织表面的法向量和曲率，该方法在模拟和真实干预图像上展现了结果。
PDF7 months ago
实现可传递的多模态感知表示学习自主性：NeRF-Supervised 遮蔽自动编码器
该论文提出了一种统一的自监督预训练框架，通过在神经辐射场 (NeRF) 中进行掩蔽多模态重建，实现可传输的多模态感知表示学习。实验证明，通过该方法学习到的表示对于多样化的三维感知下游任务（包括三维物体检测和 BEV 地图分割）具有良好的可迁
PDF7 months ago
视其所见，探测其所示：朝着更好的三维检测目标密集化
我们提出了一种基于可见部分补全的方法来实现准确的三维检测，通过引入基于网格变形的方法来增强与可见前景物体相关联的点集，我们的方法不需要耗时的全深度补全任务，实验评估表明我们的方法在 KITTI 和 NuScenes 数据集上相对于大多数公共
PDF8 months ago
ICCVDistillBEV：利用跨模态知识蒸馏提升多摄像头三维目标检测
通过训练基于多视角鸟瞰图（BEV）的学生检测器来模仿经过训练的基于 LiDAR 的教师检测器的特征，从而提高多视角 BEV 的表示学习，并通过有效的平衡策略和多尺度层的时间融合实现知识传输，实验证明该方法在多个多视角 BEV 模型上显著改善
PDF9 months ago
ICCV面向真实世界干扰的点云识别的样本自适应增强
在 3D 视觉领域，我们提出了一种基于样本结构的自适应转换方法，名为 AdaptPoint，用于处理潜在的破坏，通过包括预测变形参数和生成逐点蒙版在内的模拟破坏，并通过鉴别器防止生成过度破坏。实验结果表明，我们的方法在多个破坏评估中取得了最
PDF9 months ago
UniM$^2$AE：自主驾驶中统一的三维感知的多模态掩码自编码器
该篇研究论文提出了一种用于自动驾驶的多模态蒙版自动编码器（UniM$^2$AE）模型，通过将图像与激光雷达点云的特征融合，实现了对多模态数据的高效处理，提高了三维物体检测和鸟瞰图分割的效果。
PDF10 months ago
ICCVUniTR: 统一高效的多模态 Transformer 用于鸟瞰表示
UniTR 是一种高效的多模态骨干网络，用于处理多传感器数据并实现准确可靠的自动驾驶系统的感知。它引入了一种模态不可知的转换编码器来处理不同的传感器数据，并通过视角不一致的传感器数据进行并行模态表示学习和自动跨模态交互，无需额外的融合步骤。
PDFa year ago
事件相机快速、鲁棒和精确的校准工具箱 E-Calib
采用非对称圆形网格标定事件相机，提供了一种新的快速，鲁棒性好，准确性高的标定工具，尤其在对焦不准或光照条件恶劣的情况下表现良好，成功率、重投影误差和外参估计精度均表现优于现有方法。
PDFa year ago