InterFuser

多传感器融合技术助力安全增强自动驾驶

InterFuser 自动驾驶传感器融合安全增强 CARLA Github 开源项目

该项目融合多模态多视角传感器信息，实现综合场景理解，生成可解释的中间特征，确保动作在安全范围内。该方法在CARLA AD排行榜上取得了最新成果，项目还提供了详细的数据生成、训练和评估步骤，以及实用工具脚本和预训练权重。

Github

文档

论文

介绍相关项目

Forge_VFM4AD - DriveGAN实现高质量可控神经网络环境模拟

Github人工智能基础模型开源项目深度学习自动驾驶计算机视觉

DriveGAN是一种高质量神经网络模拟器，通过无监督学习实现环境组成部分的解耦控制。它可模拟转向控制、场景天气和非玩家对象位置等特征。DriveGAN的全微分特性支持视频序列重新模拟，允许在已记录场景中采取不同行动。该方法在多个数据集上训练，包括160小时真实驾驶数据，性能显著优于现有技术。

Vista - 通用自动驾驶世界模型实现高保真多场景预测

GithubVista世界模型开源项目控制自动驾驶预测

Vista是一款通用自动驾驶世界模型，可在多种场景中生成高保真度的预测，并扩展至连续和长期视野。模型支持多模态操作控制，包括转向、速度、指令、轨迹和目标点设定，无需真实操作数据即可评估不同行为。Vista在预测精度和操控灵活性上有显著提升，为自动驾驶技术研究提供了有力支持。

Awesome-Multimodal-LLM-Autonomous-Driving - 多模态大语言模型推动自动驾驶技术创新

GithubWACV人工智能多模态大语言模型开源项目自动驾驶计算机视觉

该资源库汇集自动驾驶领域多模态大语言模型(MLLM)相关研究,全面介绍MLLM在感知、规划和控制方面的应用。内容涵盖最新模型、数据集和基准,并总结WACV 2024 LLVM-AD研讨会成果。项目探讨了MLLM应用于自动驾驶系统的挑战和机遇,为研究人员和工程师提供了解该前沿领域发展的宝贵参考。

BEVFormer - 多摄像头鸟瞰图学习框架助力自动驾驶感知

BEVFormerGithub多相机感知开源项目目标检测自动驾驶鸟瞰图表示

BEVFormer是一个用于自动驾驶感知的开源框架,通过时空Transformer从多摄像头图像中学习统一的鸟瞰图表示。该方法利用预定义的网格查询,结合空间交叉注意力和时间自注意力机制,有效聚合多视角的空间和时序信息。在nuScenes测试集上,BEVFormer达到56.9%的NDS指标,显著超越现有方法,与激光雷达系统性能相当。这一创新为基于纯视觉的3D目标检测提供了新的基准。

awesome-CARLA - CARLA自动驾驶模拟器资源大全

CARLAGithub开源开源项目教程模拟器自动驾驶

CARLA是一款开源的自动驾驶系统模拟器,本文汇总了CARLA相关的优质资源,包括官方发布、教程、示例代码等。涵盖强化学习、模仿学习、多智能体、目标检测、图像分割等多个领域,为开发者提供全面的CARLA学习和应用参考。无论是入门还是进阶,都能在这里找到有价值的CARLA项目和工具。

DriveMLM - 融合大语言模型的自动驾驶行为规划框架

DriveMLMGithub多模态大语言模型开源项目自动驾驶行为规划

DriveMLM是一个创新的自动驾驶框架，融合了大语言模型技术。该框架通过标准化决策状态、采用多模态大语言模型进行行为规划，并设计数据引擎收集训练数据，实现了在真实模拟环境中的闭环自动驾驶。在CARLA Town05 Long测试中，DriveMLM获得76.1分的驾驶得分，比Apollo基准高出4.7分。这一成果为大语言模型在自动驾驶领域的应用提供了新的研究方向。

3D-deformable-attention - 3D可变形注意力技术提升自动驾驶物体检测精度

3D目标检测BEVFormerDFA3DGithub开源项目深度估计特征提升

3D-deformable-attention项目提出了3D可变形注意力(DFA3D)操作符，用于2D到3D特征提升。该方法首先利用深度估计将2D特征扩展到3D空间，再通过DFA3D聚合3D特征。这种方法缓解了深度歧义问题，并支持逐层特征细化。在多个基准测试中，DFA3D平均提高1.41 mAP，高质量深度信息下最高提升15.1 mAP。研究结果显示DFA3D在自动驾驶3D目标检测等任务中具有较大潜力。

Cam2BEV - 深度学习实现多视角车载图像到语义分割鸟瞰图转换

Cam2BEVGithub开源项目深度学习自动驾驶语义分割鸟瞰图

该项目提出一种深度学习方法,将多个车载摄像头图像转换为语义分割鸟瞰图(BEV)。采用合成数据集训练,可良好泛化到真实场景。方法使用语义分割图像作为输入,缩小了仿真与真实数据的差距,无需手动标注。项目开源了代码、网络架构和数据集,适用于自动驾驶环境感知研究。相比传统逆透视映射,该方法在处理3D物体和遮挡区域时表现更佳。

UniTR - 多模态变换器网络推动3D感知进展

3D感知BEV分割GithubUniTR多模态转换器开源项目目标检测

UniTR是一种新型统一多模态变换器网络,用于3D感知任务。它通过共享权重处理相机和激光雷达等多传感器数据,实现高效多模态融合。在nuScenes数据集上,UniTR在3D目标检测和BEV地图分割任务中均达到最新水平,且降低推理延迟。该研究为提升自动驾驶系统的感知能力提供了新思路。

DriveLM - 自主驾驶图形视觉问答新进展

CVPR 2024DriveLMGithubGraph VQAnuScenes开源项目自主驾驶

DriveLM项目集成nuScenes和CARLA数据集，提出基于VLM的图形视觉问答方法，实现图形VQA和端到端驾驶。作为CVPR 2024自主驾驶挑战的主要赛道，提供了基准、测试数据、提交格式和评估流程，帮助解决数据缺乏和闭环规划问题。了解DriveLM的关键特性、主要优势及最新更新，推动多模态模型在现实应用中的发展。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com