听风捕梦

背景 这两天在看轨迹预测的东西，纯轨迹预测的话，输入是感知的结果，包括历史轨迹、大小、速度等信息，输出是几秒的轨迹预测。但是这样的话，就和视觉没什么关系嘞，那么有没有端到端的感知-轨迹预测呢？ ViP

今天继续看端到端的模型，UniAD 是 CVPR 2023 最佳论文候选 介绍 尽管现在大多数产业解决方案分模块来做降低了研发的难度，如上图 a 所示，但是在模块间存在着信息丢失、误差累积和特征错位的

车路协同 国内车路协同这块百度和AIR比较活跃，于 2022 年发布了真实的车路协同数据集 DAIR-V2X，用于研究车路协同的 3D 目标检测。2023 年他们又发布了车路协同时序数据集 V2X-S

模型分类 按照是否保留感知、预测、规划这些模块，可以简单的把端到端划分为显式和隐式。 显式 类似 UniAD 这种保留了传统分工，但中间可导的模型。 优势是有中间可视化，容易 debug，易于在规控过

1. HDFS 块大小（block size）的设置取决于什么？（面试重点） 磁盘的传输速率。使得寻址时间为传输时间的 1% 为最佳状态。 一般 100MB/S 的机械硬盘块大小设置为 128MB，而

CCF B 人工智能 推荐期刊列表 CCFB 视觉相关期刊 1. ACM Transactions on Applied Perception - 四区 录取文章极少，审稿慢，年发文 20+ 2. A

1. 安装 Anaconda 并创建环境 在官网按步骤安装就好，安装后使用如下命令创建和激活环境 conda create -n xxx conda activate xxx Tips 如何退出 py

和 2D 检测的区别 主要是在深度信息上 解决方案 从数据入手，利用点云直接获取 3D 数据，但需要设计特定的算法 从算法入手，单目/多目的纯视觉算法，由于图像本身缺乏深度信息，所以利用纯视觉做 3D

最近在探索一些路侧三维感知的东西，关注到了这个去年年底到今年年初举行的路侧 3D 感知的比赛。用的数据集也是 AIR 提供的 Rope3D，AIR 做车路协同考虑提高路侧相机的 3D 感知能力也是合情