通过对这三个真实世界数据集的广泛评估，我们证明了从模拟场景到真实场景的迁移学习将TUMTraf-A9数据集上的3D mAP结果从0.26提高到12.76，将DAIR-V2X-I数据集的结果从2.09提高到6.60。3.Method 本节首先从数学上对基于单目相机的 3D 物体检测任务进行公式化描述。接下来，我们根据路边场景介绍模型选择过程。然...
Cube R-CNN模型在具有挑战性的公共基准数据集上的实验结果显示,检测性能显著提高,在TUM Traffic A9 Highway数据集上的平均精度从0.26提高到12.76,在DAIR-V2X-I数据集上的平均精度从2.09提高到6.60。 代码及数据获取:roadsense3d.github.io 欢迎加入自动驾驶实战群 Introduction 深度学习的最新进展激发了人们对2D/3D...
Udacity的自动驾驶数据集,使用Point Grey研究型摄像机拍摄的1920x1200分辨率的图片,采集到的数据分为两个数据集:第一个包括在白天情况下在加利福尼亚州山景城和邻近城市采集的数据,数据集包含9,423帧中超过65,000个标注对象,标注方式结合了机器和人工。标签为:汽车、卡车、行人;第二个数据集与前者大体上相似,除了...
我们用不同的视频预测网络研究了以异性为中心的网格预测,并在现实世界的Nuscenes数据集上验证了该方法。结果表明,与传统的以自我为中心的网格方法相比,以异体为中心的网格表示法明显改善了场景预测。 Prediction of dynamic environment is crucial to safe navigation of an autonomous vehicle. Urban traffic scenes ...
其次,这些数据集也存在其他缺点,如相似图像过多或标签不完整。 针对这些挑战,我们在对所有相关数据集进行收集和重新标注的基础上,引入了一个数据集——水下目标检测(detection Underwater Objects, DUO)和相应的基准。 DUO包含了多种多样的水下图像,并有更合理的注释。 相应的基准为学术研究和工业应用提供了SOTAs(...
3.Total3DUnderstanding: Joint Layout, Object Pose and MeshReconstruction for Indoor Scenes from a Single Image 论文链接:http://arxiv.org/abs/2002.12212v1 室内场景的语义重建是指场景理解和物体重建。现有的工作要么解决这个问题的一部分,要么关注独立的对象。本文将理解与重建之间的鸿沟联系起来,提出了一种...
Gaussian Grouping: Segment and Edit Anything in 3D Scenes 摘要：最近的高斯展开实现了 3D 场景的高质量和实时小说视图合成。然而，它只集中在外观和几何建模上，而缺乏细粒度的对象级场景理解。为了解决这个问题，我们提出了高斯分组，它扩展了高斯展开，以联合重建和分割开放世界 3D 场景中的任何内容。我们使用紧凑...
3.Total3DUnderstanding: Joint Layout, Object Pose and MeshReconstruction for Indoor Scenes from a Single Image 论文链接:http://arxiv.org/abs/2002.12212v1 室内场景的语义重建是指场景理解和物体重建。现有的工作要么解决这个问题的一部分,要么关注独立的对象。本文将理解与重建之间的鸿沟联系起来,提出了一种...
Virtual Pets: Animatable Animal Generation in 3D Scenes 摘要：为了在沉浸式 4D 体验中释放生成模型的潜力，我们引入了虚拟宠物，这是一种新颖的管道，用于在 3D 环境中为目标动物物种建模逼真且多样化的运动。为了规避与环境几何形状一致的 3D 运动数据的有限可用性，我们利用单目互联网视频，为前景提取可变形的 ...
关键词:大型模型、几何推理、视觉语言模型、数据集构建 作者:Mehran Kazemi, Hamidreza Alvari, Ankit Anand 分析:这篇论文通过几何问题的视角评估了视觉语言模型(VLMs)在多个方面上的推理能力。通过在多个深度级别上构建该论文的基准测试,实验结果表明,与以前的基准测试所示的推理能力相比,这些模型在几何学(以及一般情...