动作条件化语义预测在自动驾驶世界模型中的依赖性探究
热点事件持续更新
动作条件化语义预测在自动驾驶世界模型中的依赖性探究
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Binay Kumar Singh 和 Niels Da Vitoria Lobo 发表研究论文并公开代码,评估了动作输入对自动驾驶世界模型中语义预测的影响。研究发现,执行动作在 Cityscapes 数据集上最多提升中期 mIoU 2.5 个点,而错误动作则导致性能降低高达 23.2 个点。该结论验证于合成环境及 Cityscapes、BDD100K 两个数据集与平台,特征级条件依赖度是输入级的 1.6 倍。相关论文被 WAM-AD Workshop 接受。
AI 根据报道生成 · 11 小时前更新
最新进展11月19日 13:00
Does the Action Matter? 动作条件语义预测作为自动驾驶世界模型的探究报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉Does the Action Matter? 动作条件语义预测作为自动驾驶世界模型的探究
研究对比了有无动作输入的语义预测器,发现执行动作在 Cityscapes 数据集最多提升中期 mIoU 2.5 个点,错误动作则降低高达 23.2 个点。特征级条件依赖度是输入级的 1.6 倍,且结果验证于合成环境及 Cityscapes、BDD100K 两个数据集与平台。代码已开源,论文被 WAM-AD Workshop 接受。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。