自动驾驶实战

断其一指，无惧！ProFusion3D: 相机或者激光失效仍高效的多传感器融合3D目标检测算法 Abstract 多传感器融合在自动驾驶中的3D目标检测中至关重要，摄像头和激光雷达是最常用的传感器。然

最新夜间数据集发布LoLI-Street: 33000帧数据，涵盖19000个目标 Abstract 低光照图像增强（LLIE）对于许多计算机视觉任务至关重要，包括目标检测、跟踪、分割和场景理解。尽管

NTA-IoU指标提升超42%，北京大学提出首个使用世界模型提升自动驾驶场景重建质量DriveDreamer4D Abstract 闭环仿真是推进端到端自动驾驶系统的重要环节。当代传感器仿真方法，如N

断其一指，无惧！ProFusion3D: 相机或者激光失效仍高效的多传感器融合3D目标检测算法 Abstract 多传感器融合在自动驾驶中的3D目标检测中至关重要，摄像头和激光雷达是最常用的传感器。然

北京大学与长安汽车联合发布TEOcc: 时域增强的多模态占据预测 Abstract 作为一种新颖的3D场景表示，语义占据（semantic occupancy）在自动驾驶领域引起了广泛关注。然而，现有

中国科学院大学与美团发布首个交互式驾驶世界模型数据集DrivingDojo：推进交互式与知识丰富的驾驶世界模型 Abstract 驾驶世界模型因其对复杂物理动态的建模能力而受到越来越多的关注。然而，由

最新夜间数据集发布LoLI-Street: 33000帧数据，涵盖19000个目标 Abstract 低光照图像增强（LLIE）对于许多计算机视觉任务至关重要，包括目标检测、跟踪、分割和场景理解。尽管

开放词汇多目标追踪框架SLAck: 联合语义、位置和外观感知的启发式跟踪 Abstract 开放词汇的多目标跟踪（MOT）旨在让跟踪器能够泛化到训练集中不存在的新类别。目前，表现最好的方法主要基于纯外

上海AI实验室提出CVT-Occ：通过时间融合利用视差搜索刷新occ3D-Waymo SOTA Abstract 基于视觉的3D占据预测由于单目视觉在深度估计上的固有局限性而面临显著挑战。本文介绍了C