Topic · 115 篇
自动驾驶与遥感
街道、卫星、航拍等大尺度户外场景。
这个方向的收录判据
面向户外大场景的感知与理解。包括 BEV 感知、occupancy、轨迹预测、 端到端自动驾驶、语义建图、遥感图像分类/变化检测、卫星影像、 无人机视角、地理空间理解。 判据：场景是街道/卫星/航拍等大尺度户外环境。
本方向全部 115 篇
WhisperNet：一种可扩展的带宽高效协同感知方案
WhisperNet: A Scalable Solution for Bandwidth-Efficient Collaboration
提出以接收端为中心的全局协调范式，通过轻量显著性元数据与全局请求计划动态分配带宽，并设计协同特征路由模块对齐消息，可即插即用地提升现有协同感知模型的通信效率与鲁棒性。
WOD-E2E：面向挑战性长尾场景端到端驾驶的Waymo开放数据集
WOD-E2E: Waymo Open Dataset for End-to-End Driving in Challenging Long-tail Scenarios
为视觉端到端驾驶提供了聚焦长尾场景的基准与基于人类偏好评分的开放环指标 RFS，可用于评估轨迹预测在罕见场景下的多模态合理性，替代传统距离指标。
WAM-Flow：基于离散流匹配的并行粗到细运动规划用于自动驾驶
WAM-Flow: Parallel Coarse-to-Fine Motion Planning via Discrete Flow Matching for Autonomous Driving
将离散流匹配引入端到端自动驾驶轨迹规划，用并行双向去噪替代自回归解码，实现可调计算量的粗到细规划；其度量对齐分词器和几何感知流目标可迁移到其他需要结构化输出的视觉任务。
VIRD：通过双轴变换构造视角不变表征用于跨视角姿态估计
VIRD: View-Invariant Representation through Dual-Axis Transformation for Cross-View Pose Estimation
用极坐标变换把卫星图与地面图的水平对应关系对齐，再用上下文增强的位置注意力缓解垂直错位，这套「双轴变换构造视角不变表征」的思路可直接迁移到任何跨视角匹配/定位任务（如无人机-卫星、地面-航拍检索）。
V2U4Real：面向车-无人机协同感知的真实世界大规模数据集
V2U4Real: A Real-world Large-scale Dataset for Vehicle-to-UAV Cooperative Perception
该数据集为跨视角协同感知提供了真实世界多模态基准，可用于研究车-无人机协同下的3D检测与跟踪，解决地面视角的遮挡与远距离感知问题。
基于协同视角的无监督多智能体与单智能体感知
Unsupervised Multi-agent and Single-agent Perception from Cooperative Views
利用多智能体协同视角的点云密度增益与跨视角一致性作为无监督信号，为单车单视角 3D 检测生成伪标签，可直接迁移到车路协同、V2X 等无标注部署场景。
URScenes：面向非结构化道路环境的多场景数据集
URScenes: A Multi-scenario Dataset for Unstructured Road Environments
为视觉感知算法提供了覆盖雨、雪、雾、沙尘、强眩光、夜间等八种非结构化道路场景的多任务基准，可直接用于评测3D检测、跟踪与占用预测模型在分布偏移下的鲁棒性，并借助统一标注格式与nuScenes/KITTI/Waymo转换工具复用现有训练流程。
TruckDrive：远程自动驾驶高速公路驾驶数据集
TruckDrive: Long-Range Autonomous Highway Driving Dataset
该数据集提供了长达1000米的2D检测和400米的3D检测基准，可用于评估和开发面向长距离感知的模型，特别是融合LiDAR、相机和4D雷达的多模态方法，以解决现有模型在150米外性能骤降的问题。
TrafficAlign：面向交通场景生成的大语言模型对齐
TrafficAlign: Aligning Large Language Models for Traffic Scenario Generation
用真实驾驶视频自动合成并校验交通场景，再以这些场景对齐/微调 LLM，为自动驾驶感知模型提供可挖掘失效模式的困难样本生成管线；其「生成—验证—对齐」闭环可直接用于构造碰撞密集的测试集与训练增强数据。
面向内参感知的单目3D目标检测
Towards Intrinsic-Aware Monocular 3D Object Detection
用 LLM/VLM 把相机内参编码成语义嵌入，再通过层级式内参适配模块调制检测网络特征，为跨相机内参泛化与多数据集联合训练提供了一条可复用的条件注入思路。
TopoHR：面向驾驶场景循环拓扑推理的分层中心线表示与点-实例关系
TopoHR: Hierarchical Centerline Representation for Cyclic Topology Reasoning in Driving Scenes with Point-to-Instance Relations
TopoHR 提出分层中心线表示（点查询、实例查询、语义表示）与分层拓扑推理模块，在统一架构中同时建模点-实例（P2I）和实例-实例（I2I）关系，并让中心线检测与拓扑推理形成循环增强。对做自动驾驶感知的研究者，这套 P2I 关系建模和端到端循环交互设计可直接迁移到车道线拓扑、路网结构理解等任务。
适配的盲区：量化与缓解微调驾驶模型中的遗忘
The Blind Spot of Adaptation: Quantifying and Mitigating Forgetting in Fine-tuned Driving Models
把适配从权重空间搬到提示词空间、按场景线索动态路由到不同知识专家的做法，为视觉研究者提供了一种在微调下游任务时保住预训练世界知识的可复用范式，尤其适合 VLM 迁移到驾驶等专用域的场景。
TACO：面向激光雷达定位与3D目标检测联合的任务感知对比学习
TACO: Task-Aware Contrastive Learning for Joint LiDAR Localization and 3D Object Detection
用对比学习显式解耦静态地理特征与目标中心特征，让定位与3D检测共享一个骨干网络并互为监督；做激光雷达定位或多任务BEV感知时，可借鉴这种按任务属性拆分特征空间、过滤动态噪声的思路。
StreamVLO：带累积漂移补偿的流式视觉-激光雷达里程计
StreamVLO: Streaming Visual-LiDAR Odometry with Cumulative Drift Compensation
用 Mamba 做跨多帧的视觉-激光雷达统一时空关联，并以因果方式从历史帧学习残差修正来抑制累积漂移，可直接迁移到视觉里程计/SLAM 的长序列位姿估计与多传感器融合骨干设计。
Spe-BEVHead：重新审视鸟瞰图目标检测的检测头设计
Spe-BEVHead: Rethinking the Detection Head Design for Bird's-Eye-View Object Detection
针对 BEV 检测头这一被忽视的环节，提出几何对齐的旋转框分类核与局部响应精炼模块，可直接替换现有 BEV 主干上的 center-based 检测头，在无 NMS 的端到端设定下取得增益，对做 BEV 3D 检测的读者是一个即插即用的改进点。
空间检索增强的自动驾驶
Spatial Retrieval Augmented Autonomous Driving
把离线检索的地理图像作为额外输入模态，与车载传感器特征对齐融合，为遮挡、暗光、雨雾等感知退化场景提供先验；做自动驾驶感知/规划的研究者可以把它当作即插即用的额外输入分支，或直接使用其扩展的 nuScenes 基准来评测跨模态融合。
SparseWorld-TC：轨迹条件稀疏占用世界模型
SparseWorld-TC: Trajectory-Conditioned Sparse Occupancy World Model
用稀疏占用表示替代鸟瞰图投影与离散 VAE token，直接在原始图像特征上端到端预测多帧未来占用，并以任意未来轨迹作为条件；做自动驾驶场景预测或占用世界模型时，可借鉴其绕过 BEV 几何先验、保留连续表征的思路。
SpaceDrive：将空间感知注入基于视觉语言模型的自动驾驶
SpaceDrive: Infusing Spatial Awareness into VLM-based Autonomous Driving
把 3D 坐标（多视角深度、历史自车状态、文本提示）统一编码为位置编码，既叠加到 2D 视觉 token 上，又替代数字 token 作为 VLM 的输入输出，使 VLM 能直接回归连续轨迹坐标；这一「空间位置编码替代数字 token」的思路可迁移到任何需要 VLM 做几何量输出的视觉任务。
SimScale：通过大规模真实世界仿真学习驾驶
SimScale: Learning to Drive via Real-World Simulation at Scale
利用神经渲染构建可交互仿真环境，合成大规模多视角驾驶数据，并通过伪专家轨迹提供动作监督，为自动驾驶规划策略的鲁棒性和泛化性提升提供可扩展的数据增强方案。
Sensor2Sensor：面向自动驾驶的跨具身传感器转换
Sensor2Sensor: Cross-Embodiment Sensor Conversion for Autonomous Driving
用4D高斯泼溅把真实自动驾驶日志反向渲染成行车记录仪风格视频，从而构造配对数据，再用扩散模型完成单目视频到多视角相机加激光雷达的跨模态生成；这套「先合成配对数据、再做跨传感器转换」的流程，可直接复用于缺失模态补全与多传感器数据增广。
SemLT3D：语义引导的专家蒸馏用于纯视觉长尾三维目标检测
SemLT3D: Semantic-Guided Expert Distillation for Camera-only Long-Tailed 3D Object Detection
针对纯视觉三维目标检测中的长尾分布问题，提出语言引导的混合专家路由与CLIP语义投影蒸馏，可复用于其他长尾三维感知任务以增强稀有类表征。
看见我们看不见的：恶劣对地观测条件下目标计数的地理引导推理基准
See What We Cannot See: A Geo-guided Reasoning Benchmark for Object Counting under Adverse Earth Observation Conditions
把土地利用图、地图等地理模态作为外观失效时的稳定结构先验，为遥感视觉任务提供了一条不依赖可见光外观的推理路径；其数据引擎（多地理模态对齐、真实退化模拟、点标注）可直接复用于构建恶劣条件下的计数与定位基准。
场景重建作为3D检测的建图先验
Scene Reconstruction as Mapping Priors for 3D Detection
利用自动构建的密集建图先验来增强3D检测，为处理远距离或恶劣天气下的传感器稀疏与噪声问题提供了可扩展的解决方案，其建图先验构建流程和MPA3D融合框架可被其他自动驾驶感知任务借鉴。
面向端到端自动驾驶系统的缩放感知数据选择
Scaling-Aware Data Selection for End-to-End Autonomous Driving Systems
为端到端自动驾驶规划器提供了一套按域拟合神经缩放定律、再迭代优化数据配比的数据选择流程，可直接迁移到视觉模型训练集构建与指标驱动的数据采集决策中。
SafeDrive：稀疏世界中的端到端驾驶细粒度安全推理
SafeDrive: Fine-Grained Safety Reasoning for End-to-End Driving in a Sparse World
提出轨迹条件化的稀疏世界模型，通过模拟关键动态智能体和道路实体的未来行为，为下游安全推理提供交互中心表示；这种显式、可解释的安全推理机制可迁移到其他需要预测交互风险的视觉决策任务中。
STUR3D：面向3D目标检测的时空统一表征学习
STUR3D: Spatio-Temporal Unified Representation Learning for 3D Object Detection
把历史时序3D特征投影回2D图像平面来监督/蒸馏2D检测器，并反向把时序线索注入2D检测以生成3D查询，这套跨维度对齐思路可直接迁移到BEV/环视检测器的查询初始化与遮挡场景下的时序建模。
STCast：面向全球与区域天气预报的自适应边界对齐
STCast: Adaptive Boundary Alignment for Global and Regional Weather Forecasting
Spatial-Aligned Attention 用注意力对齐全局与区域空间分布并据此自适应细化区域边界，这一「注意力导出对齐模式→动态边界」的思路可迁移到遥感/气象等大场景中的区域裁剪与感兴趣区域自适应划分；TMoE 按离散高斯分布路由不同月份变量的做法，也为时序视觉模型中的条件专家路由提供参考。
SHARP：面向运动预测中精准鲁棒预测的短窗口流式方法
SHARP: Short-Window Streaming for Accurate and Robust Prediction in Motion Forecasting
面向视觉感知的自动驾驶系统，提供了一种实例感知的上下文流式机制：在推理过程中增量维护并更新每个智能体的潜变量表示，使模型在观测窗口长度不一致时仍能保持预测精度；该机制可直接迁移到在线感知与跟踪的时序特征维护中。
SGDrive：面向自动驾驶的场景到目标分层世界认知
SGDrive: Scene-to-Goal Hierarchical World Cognition for Autonomous Driving
把通用 VLM 的表征按 scene-agent-goal 层级显式结构化，为视觉研究者提供了一种将通用视觉语言特征适配到具身决策任务的表征组织范式，可直接借鉴到需要时空推理的规划类任务。
ResAD：面向端到端自动驾驶的归一化残差轨迹建模
ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving
把轨迹预测从直接回归改为「惯性参考 + 残差」的建模方式，并用逐点归一化重新加权损失，可直接迁移到任何需要长时程、非均匀误差敏感度的轨迹/位姿序列回归任务（如行人轨迹预测、视频中的运动预测）。
面向安全感知端到端驾驶的可靠策略迁移深度强化学习
Reliable Policy Transfer for Safety-Aware End-to-End Driving with Deep Reinforcement Learning
把逐边异方差不确定性与 critic 集成的不确定性信号统一接入关系图注意力、策略熵门控与迁移对齐，为视觉端到端驾驶提供了一种可复用的「控制层可靠性接口」设计；做闭环驾驶策略学习时可直接借鉴其不确定性驱动探索与少样本域迁移的做法。
先恢复再预测：面向变长轨迹预测的渐进式回溯学习
Recover to Predict: Progressive Retrospective Learning for Variable-Length Trajectory Prediction
针对变长/不完整观测下的轨迹预测，用级联回溯单元逐步把不完整观测特征对齐到完整观测特征，并以滚动起点训练提升数据效率；该「由短到长渐进恢复」思路可迁移到任何存在观测缺失的时序视觉预测任务。
ReManNet：面向单目3D车道检测的黎曼流形网络
ReManNet: A Riemannian Manifold Network for Monocular 3D Lane Detection
把车道几何编码成 SPD 流形上的黎曼高斯描述子，再用轻量门控与视觉特征融合，为单目 2D-to-3D 提升提供不变几何-拓扑约束；3D-TLIoU 这种基于管状邻域切片重叠的曲线级损失可直接迁移到其他曲线/线状结构（车道、血管、道路边界）的检测与对齐任务。
RaUF：学习雷达的空间不确定性场
RaUF: Learning the Spatial Uncertainty Field of Radar
提出基于各向异性概率模型的空间不确定性场学习框架，可复用于雷达点云去噪与几何推理；双向域注意力机制利用空间结构与多普勒一致性互补抑制杂波，为多模态融合中的特征对齐提供新思路。
RPGFusion：4D雷达先验引导的多模态融合用于3D检测
RPGFusion: 4D Radar Prior-Guided Multi-Modal Fusion for 3D Detection
用4D雷达生成的空间置信度与深度先验图来引导图像特征采样，可缓解Lift-Splat-Shoot视角变换带来的BEV特征近密远疏问题；其稀疏到稠密的特征传播与跨模态空间对齐、语义融合模块，可直接迁移到其他稀疏传感器（LiDAR、事件相机）与相机的BEV融合检测中。
RLFTSim：通过强化学习微调实现真实且可控的多智能体交通仿真
RLFTSim: Realistic and Controllable Multi-Agent Traffic Simulation via Reinforcement Learning Fine-Tuning
对做自动驾驶仿真与轨迹预测的研究者，这篇给出了用强化学习微调替代开环监督训练、以低方差稠密奖励把仿真 rollout 分布对齐真实数据的具体做法，可直接迁移到自车规划器的闭环评测与可控场景生成。
RAVEN：面向高效逐 chirp 目标检测与分割的雷达自适应视觉编码器
RAVEN: Radar Adaptive Vision Encoders for Efficient Chirp-wise Object Detection and Segmentation
对做车载雷达感知的人，这篇给出了一个可复用的思路：用可学习的天线混合模块把虚拟 MIMO 阵列压成紧凑特征，再配合标定过的提前退出规则做逐 chirp 推理，从而在雷达帧内只用部分 chirp 就出结果；这套「按需计算」的设定可直接迁移到其他时序传感器的高效感知骨干上。
RAG-TP：基于检索增强生成的车辆轨迹预测通用框架
RAG-TP: A General Framework for Vehicle Trajectory Prediction via Retrieval-Augmented Generation
把轨迹预测从依赖在线感知先验改为从结构化知识库检索历史经验，并用检索驱动的 MoE 加交叉注意力做动态融合；对做自动驾驶预测、以及想把 RAG 思路引入视觉时序任务的人，这是一个可复用的「离线知识库 + 推理时检索」范式。
R4Det：面向高性能3D目标检测的4D雷达-相机融合
R4Det: 4D Radar-Camera Fusion for High-Performance 3D Object Detection
面向自动驾驶的多模态3D检测，其全景深度融合（绝对/相对深度互增强）与不依赖自车位姿的可变形门控时序融合模块，可直接迁移到LiDAR-相机或纯视觉BEV时序检测中，解决位姿缺失下的时序退化问题。
QuCNet：量子深度学习驱动的多线路网络用于遥感图像分类
QuCNet: Quantum Deep Learning Driven Multi-Circuit Network for Remote Sensing Image Classification
把轻量卷积编码器与十六路并行四量子比特可训练量子线路组合，在仅 87K 参数下完成遥感场景分类，并给出可表达性分析与 IBM 真实量子硬件推理验证，为极低参数量、硬件可行的量子-经典混合视觉骨干提供可复用设计范式。
ProOOD：原型引导的分布外3D占用预测
ProOOD: Prototype-Guided Out-of-Distribution 3D Occupancy Prediction
面向自动驾驶3D占用预测的免训练OOD打分（局部logit一致性与局部/全局原型匹配融合）与原型引导的尾部类挖掘，可直接迁移到其他密集预测任务的异常检测与长尾校准中。
感知特征距离：在特定决策规则下衡量动态条件下感知系统的稳定性与鲁棒性
Perception Characteristics Distance: Measuring Stability and Robustness of Perception System in Dynamic Conditions under a Certain Decision Rule
提出 PCD/aPCD 指标，将感知模型输出不确定性量化为可靠检测的最远距离，为视觉感知系统在动态天气与光照条件下的稳定性评估提供可复用度量；配套 SensorRainFall 多模态数据集（相机/雷达/激光雷达）可用于研究跨天气域泛化与不确定性感知。
Percept-WAM：面向鲁棒端到端自动驾驶的感知增强世界感知-动作模型
Percept-WAM: Perception-Enhanced World-Awareness-Action Model for Robust End-to-End Autonomous Driving
把 2D 检测与 BEV 3D 检测统一编码为 World-PV/World-BEV token 并接入 VLM 自回归解码，为视觉研究者提供了一个可复用的「感知 token 化 + 网格条件预测」范式，可直接迁移到其他需要稠密空间输出的 VLM 任务。
近处感知、远处推理：面向自动驾驶的连贯长时序轨迹预测
Perceiving the Near, Reasoning the Distant: Coherent Long-Horizon Trajectory Prediction for Autonomous Driving
将长时序轨迹预测按近端/远端解耦为两条专用解码通路，并用运动学感知的一致性损失约束航向演化，这一「分阶段解码 + 运动学先验损失」思路可直接迁移到行人轨迹预测、视频中物体未来运动预测等需要长时序物理合理性的任务。
PanDA：面向自动驾驶多模态3D全景分割的无监督域自适应
PanDA: Unsupervised Domain Adaptation for Multimodal 3D Panoptic Segmentation in Autonomous Driving
针对多模态3D全景分割的无监督域自适应框架，其非对称多模态增强和双专家伪标签精炼模块可迁移到其他多模态感知任务（如3D检测、语义分割）的域自适应中，提升传感器退化下的鲁棒性。
OptiMVMap：基于最优多车视角的离线向量化地图构建
OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives
将多车视角融合建模为「先选择后融合」问题，其不确定性引导的辅助车选择与跨车注意力对齐机制，可直接用于BEV地图构建中缓解遮挡与位姿噪声。
OpenVO：具备时序动态感知的开放世界视觉里程计
OpenVO: Open-World Visual Odometry with Temporal Dynamics Awareness
把观测频率作为显式条件编码进两帧位姿回归，并借助基础模型的3D几何先验，使单目视觉里程计在未知帧率与未标定相机下仍能输出真实尺度轨迹；做行车记录仪或任意变帧率视频的轨迹提取、3D重建时可直接复用这一设定。
自动驾驶中基于大语言模型的多规划器调度的开放式指令实现
Open-Ended Instruction Realization with LLM-Enabled Multi-Planner Scheduling in Autonomous Vehicles
对做自动驾驶视觉感知与规划的研究者，这篇提供了一个把开放语言指令经 LLM 解析为可执行脚本、再调度多个 MPC 规划器的分层接口，可借鉴其「语义推理与底层控制解耦、跨时间尺度」的设计，以及闭环指令实现基准来评测语言条件规划。
NexusFlow：借助可逆流网络在部分监督下统一异构任务
NexusFlow: Unifying Disparate Tasks under Partial Supervision via Invertible Flow Networks
用可逆耦合层构造代理网络，把结构差异极大的任务（稠密地图重建与稀疏多目标跟踪）的潜变量特征映射到共享规范空间做对齐，避免表征坍缩；这套 plug-and-play 的对齐模块可直接用于视觉中标注不完整、任务异构的多任务训练，例如不同区域只标注不同任务的数据。
面向以人为中心自动驾驶控制的神经认知奖励建模
Neuro-Cognitive Reward Modeling for Human-Centered Autonomous Vehicle Control
把脑电信号中的事件相关电位强度作为可预测的认知奖励信号，用视觉场景输入回归 ERP 强度并注入强化学习奖励，为视觉驾驶策略提供一种无需人工排序偏好数据的隐式人类对齐监督。
面向激光雷达分布外检测的神经分布先验
Neural Distribution Prior for LiDAR Out-of-Distribution Detection
针对激光雷达点云 OOD 检测中类别不平衡导致的打分偏差，用可学习的 logit 分布先验加注意力模块对 OOD 分数做类别自适应重加权，并可用 Perlin 噪声在输入扫描上合成辅助 OOD 样本，这套打分重加权与合成策略可迁移到其他密集预测任务的开放世界检测中。
MindDriver：面向自动驾驶的渐进式多模态推理
MindDriver: Introducing Progressive Multimodal Reasoning for Autonomous Driving
将VLM的思维链从纯文本扩展到语义理解→语义到物理空间想象→物理空间轨迹规划的多模态渐进推理，并用反馈引导的自动标注和渐进强化微调对齐推理过程，为端到端自动驾驶提供可复用的推理框架。
注意铰接处：面向自动驾驶卡车的动态标定与铰接感知
Mind the Hitch: Dynamic Calibration and Articulated Perception for Autonomous Trucks
把铰接式卡车的车头-挂车相机外参从静态标定改为用跨视角+时序注意力在线回归 6-DoF 相对位姿，并直接替换 BEVFormer 的静态外参，为多相机 BEV 感知在基座随时间变化的场景（挂车形变、遮挡、快速折角）提供了可复用的动态标定模块与 CARLA 基准。
MeanFuser：基于MeanFlow的快速单步多模态轨迹生成与自适应重建用于端到端自动驾驶
MeanFuser: Fast One-Step Multi-Modal Trajectory Generation and Adaptive Reconstruction via MeanFlow for End-to-End Autonomous Driving
MeanFlow Identity 用平均速度场替代瞬时速度场，消除 ODE 求解误差并实现单步推理，这一思路可迁移到视觉生成任务（如扩散/流匹配加速）；GMN 提供连续轨迹表示，避免离散锚框词表，对需要多模态输出的规划问题有参考价值。
MOMO：面向火星轨道应用的火星轨道模型基础模型
MOMO: Mars Orbital MOdel Foundation Model for Mars Orbital Applications
用模型融合（task arithmetic）把不同分辨率传感器上独立预训练的表示合并成一个基础模型，并给出按验证损失相似度对齐检查点的 EVL 策略；做多源、多分辨率遥感或多模态预训练的人可以直接复用这套「先各自预训练、再按收敛阶段对齐融合」的流程，避免从头联合训练。
MAD：面向高效驾驶世界模型的运动-外观解耦
MAD: Motion Appearance Decoupling for efficient Driving World Models
把视频扩散模型拆成「先预测骨架化运动、再渲染 RGB 外观」两阶段，用极少量监督和算力把通用视频模型改造成可控驾驶世界模型；做视频生成或驾驶仿真的研究者可直接复用这种运动-外观解耦的适配范式与文本/自车/物体控制接口。
先对齐再融合：面向鲁棒3D检测的2D引导跨模态对齐
Look Before You Fuse: 2D-Guided Cross-Modal Alignment for Robust 3D Detection
用2D检测器可靠定位的物体-背景边界作为先验，在融合前预对齐激光雷达与相机特征，并显式增强边界处的深度突变；这套「先对齐再融合」的思路可直接迁移到任何存在投影误差的多传感器BEV融合流程中。
Long-SCOPE：全稀疏长距离协同3D感知
Long-SCOPE: Fully Sparse Long-Range Cooperative 3D Perception
面向车路协同长距离感知，用几何引导的查询生成替代稠密鸟瞰图，并用可学习的上下文感知关联模块在位置噪声下鲁棒匹配协同查询，可直接迁移到多智能体/多视角融合中的稀疏查询关联与远距离小目标检测。
连接异构协同感知中的模态隔离
Linking Modality Isolation in Heterogeneous Collaborative Perception
针对多智能体协同感知中「模态隔离」（不同模态智能体从未在同一帧共现）这一设定，用码本把各模态特征空间正则化为离散码空间，再学习跨模态 feature-code-feature 翻译实现无需空间重叠监督的对齐；做 V2X/多车协同感知、跨模态特征对齐或模态缺失鲁棒性的人可直接复用该「无共现对齐」思路与极低通信量的码传输方案。
LiREC-Net：一种面向激光雷达、RGB 与事件数据的无标定板学习式标定网络
LiREC-Net: A Target-Free and Learning-Based Network for LiDAR, RGB, and Event Calibration
提出一种无标定板、学习式的三模态联合标定框架，用共享的激光雷达表示（3D 特征 + 投影深度图）统一处理激光雷达-RGB、激光雷达-事件、RGB-事件等模态对，可直接复用于自动驾驶多传感器融合前的在线外参对齐。
LiDAS：面向夜间感知的光照驱动动态主动传感
LiDAS: Lighting-driven Dynamic Active Sensing for Nighttime Perception
把车灯当作可主动控制的视觉执行器，用下游感知损失驱动光照场的预测，使白天训练的模型零样本迁移到夜间；这一「感知-照明闭环」思路可复用到其他主动传感（如可控曝光、主动红外补光）与感知-控制联合优化问题中。
学习识别分布外目标以用于3D激光雷达异常分割
Learning to Identify Out-of-Distribution Objects for 3D LiDAR Anomaly Segmentation
在激光雷达特征空间中直接建模内点类分布以约束异常样本，可替代从2D视觉迁移的后处理式异常打分；同时提供的混合真实-合成激光雷达异常分割数据集可用于评测3D开放世界感知的OOD检测能力。
可学习性驱动的子模优化用于主动路侧3D检测
Learnability-Driven Submodular Optimization for Active Roadside 3D Detection
针对路侧单目3D检测提出可学习性驱动的主动学习框架，通过子模优化选择信息量大且可靠可标注的场景，避免固有歧义样本，为数据标注受限下的3D感知提供可复用策略。
LEAD：最小化端到端驾驶中的学习者-专家不对称性
LEAD: Minimizing Learner-Expert Asymmetry in End-to-End Driving
论文把「特权专家与传感器学生之间的不对称」拆成可见性、不确定性与导航意图三个可度量的维度，并给出可操作的干预手段；做端到端驾驶或特权信息蒸馏的研究者可以直接复用这套不对称分析与 TFv6 学生策略设计，也可借鉴其把感知监督接入 sim-to-real 共享管线的做法。
L3DR：三维感知的激光雷达扩散与矫正
L3DR: 3D-aware LiDAR Diffusion and Rectification
针对基于距离视图的激光雷达扩散模型，提出在三维空间做点级残差回归来消除深度渗漏、波浪面等 RV 伪影，可作为即插即用后处理模块提升现有 LiDAR 生成模型的几何真实性，对自动驾驶仿真数据合成有直接价值。
KnowVal：知识增强与价值引导的自动驾驶系统
KnowVal: A Knowledge-Augmented and Value-Guided Autonomous Driving System
将开放世界感知与交通法规/防御性驾驶知识图谱通过 LLM 检索结合，并用人类偏好训练的价值模型对候选轨迹做可解释打分，可作为视觉端到端规划器中「规则约束+价值对齐」的即插即用评估模块。
HybridDriveVLA：面向自动驾驶的视觉思维链推理与思维树评估的视觉-语言-动作模型
HybridDriveVLA: Vision-Language-Action Model with Visual CoT reasoning and ToT Evaluation for Autonomous Driving
将视觉思维链（V-CoT）用于预测未来场景作为目标，并结合思维树（ToT）对候选轨迹从安全、进度、舒适度多维度评分，为自动驾驶中的轨迹规划提供可解释的推理框架。
恶劣天气条件下基于激光雷达-4D雷达融合的混合鲁棒协同感知
Hybrid Robust Collaborative Perception with LiDAR-4D Radar Fusion under Adverse Weather Conditions
在车路/车车协同感知场景下，用4D毫米波雷达补足退化激光雷达的稀疏点云，其双向跨模态门控（BCMG）做特征可靠性互校验、自适应特征增强（AFE）修复被抑制区域，可直接迁移到多智能体多模态融合的鲁棒检测框架中。
HorizonForge：任意轨迹与任意车辆的驾驶场景编辑
HorizonForge: Driving Scene Editing with Any Trajectories and Any Vehicles
把驾驶场景重建为可编辑的高斯泼溅与网格，再用噪声感知的视频扩散做前馈渲染，为需要精确轨迹/车辆控制的可控视频生成提供了「3D 表示 + 视频扩散先验」的可复用范式。
HOLO：面向SD地图细粒度视觉定位的单应性引导位姿估计网络
HOLO: Homography-Guided Pose Estimator Network for Fine-Grained Visual Localization on SD Maps
将单应性约束引入多视图图像与SD地图的跨模态定位，通过BEV投影和语义对齐构建满足单应性的输入对，并利用单应关系引导特征融合与位姿回归，为自动驾驶低成本定位提供了可复用的几何先验注入方式。
GuideFlow：面向端到端自动驾驶规划的约束引导流匹配
GuideFlow: Constraint-Guided Flow Matching for Planning in End-to-End Autonomous Driving
把流匹配生成过程与能量模型联合训练，在采样阶段直接施加显式物理/安全约束，可作为视觉规划器中替代扩散策略、避免轨迹模式坍缩并省去后处理优化阶段的通用生成式规划范式。
基于延时偏振影像的全球水下地理定位
Global Underwater Geolocation from Time-Lapse Polarization Imagery
利用偏振图像中天空偏振模式反演太阳高度角曲线，再用两阶段 Transformer 做全球地理定位；其物理引导合成管线（从少量站点扩增到 280 万条太阳高度角匹配序列）为视觉定位中的跨站点泛化提供了一条可复用的数据增广思路。
点云中的幽灵：在瞬态域消除激光雷达眩光
Ghosts in the Point Clouds: De-glaring LiDAR in the Transient Domain
针对固态激光雷达内部多径眩光导致的点云伪影，提出瞬态眩光扩散函数（TGSF）线性模型，并在点云形成前的低层回波上做无训练去眩光，可直接嵌入现有激光雷达信号处理流水线。
Ghost-FWL：面向鬼影检测与去除的大规模全波形激光雷达数据集
Ghost-FWL: A Large-Scale Full-Waveform LiDAR Dataset for Ghost Detection and Removal
对做移动激光雷达感知的人，这篇提供了用全波形时序强度剖面（而非仅峰值距离）判别多路径鬼影的思路，并给出可复用的标注数据集与基线，可直接接入 SLAM 前端与 3D 检测的预处理环节。
GeoSURGE：基于分层地理嵌入语义融合的地理定位
GeoSURGE: Geo-localization using Semantic Fusion with Hierarchy of Geographic Embeddings
把地理坐标建模为分层可学习嵌入、并用潜变量交叉注意力把语义分割特征融进外观特征，这套「低维坐标→分布式多尺度嵌入」的对齐思路可迁移到其他需要回归连续空间量（如相机位姿、深度、BEV 位置）的视觉任务。
GenieDrive：面向物理感知驾驶世界模型的4D占用引导视频生成
GenieDrive: Towards Physics-Aware Driving World Model with 4D Occupancy Guided Video Generation
将4D占用作为物理先验引导视频扩散生成，并设计潜变量三平面VAE压缩高分辨率占用，为自动驾驶世界模型提供可复用的物理感知生成框架。
GSV2X：面向鲁棒路侧感知的几何感知不确定性建模与正交融合
GSV2X: Geometry-Aware Uncertainty Modeling and Orthogonal Fusion for Robust Roadside Perception
把2D图像特征建模为3D高斯分布并注入相机几何引导的可学习扰动，为BEV融合提供了一种显式吸收标定误差的手段；正交约束注意力用于解耦冗余模态特征，可迁移到任何相机-激光雷达融合的BEV感知框架。
GEM：基于可变形 Mamba 的激光雷达世界模型生成
GEM: Generating LiDAR World Model via Deformable Mamba
把序列激光扫描与 Mamba 的选择性扫描机制对齐，并用三路可变形 Mamba 在解耦后的动态/静态 token 上做时空建模，为激光雷达点云生成式世界模型提供了一个可复用的骨干设计；其 BEV 布局控制器与规划器接口也便于把生成模型接入自动驾驶闭环仿真。
面向遥感旋转目标检测的傅里叶角度对齐
Fourier Angle Alignment for Oriented Object Detection in Remote Sensing
利用傅里叶旋转等变性在频域提取主方向并对齐角度，为旋转目标检测中颈部网络方向不一致与检测头任务冲突提供即插即用的解决思路，可迁移到任何需要方向一致性的特征融合与RoI处理环节。
FoSS：通过傅里叶-状态空间融合建模轨迹预测中的长程依赖与多模态不确定性
FoSS: Modeling Long-Range Dependencies and Multimodal Uncertainty in Trajectory Prediction via Fourier-State Space Integration
用离散傅里叶变换把轨迹拆成幅值（全局意图）与相位（局部变化）两支，再用线性复杂度的选择性状态空间模型（Coarse2Fine-SSM、SpecEvolve-SSM）替代二次复杂度的注意力，为多智能体轨迹预测提供了一条兼顾长程依赖与效率的可复用范式。
基于深度学习的在线建图的失效模式：如何度量与解决
Failure Modes for Deep Learning-Based Online Mapping: How to Measure and Address Them
为在线建图模型提供了一套可复用的泛化诊断工具：用地理邻近与拓扑相似度划分评测子集，配合基于 Frechet 距离的逐元素重建统计量，无需调阈值即可分离「输入特征记忆」与「地图拓扑过拟合」两种失效模式；其 MST 多样性指标与对称覆盖度指标也可直接用于其他 BEV/建图数据集的分裂质量检查与训练集去冗余。
面向自动驾驶智能体建模的高效等变 Transformer
Efficient Equivariant Transformer for Self-Driving Agent Modeling
用投影几何代数中的多向量表示场景元素，让标准注意力本身携带 SE(2) 等变性，从而省去二次复杂度的成对相对位置编码；做多智能体场景建模、轨迹预测或需要置换/旋转平移等变的视觉任务时，可直接复用这一等变注意力块来降低开销。
EE-RL：面向端到端自动驾驶的探索者与专家模型视觉语言引导强化学习
EE-RL: Vision Language Guided Reinforcement Learning with Explorer and Expert model for End-to-End Autonomous Driving
将微调后的视觉语言模型作为稀疏关键场景的推理专家，并用StateHash按RGB相似度与运动学相似度跳过冗余VLM推理，这一「按需调用VLM」的机制可迁移到其他需要昂贵大模型推理的在线决策或感知流程中。
E3AD：面向以人为中心的端到端自动驾驶的情感感知视觉-语言-动作模型
E3AD: An Emotion-Aware Vision-Language-Action Model for Human-Centric End-to-End Autonomous Driving
把连续 VAD 情感状态作为条件注入 VLA 驾驶策略，并设计自我中心/异我中心双通路空间融合模块；对做端到端驾驶或指令跟随的研究者，这是一个可复用的「语言意图+情感先验→轨迹」条件化范式与一致性对齐训练流程。
行驶在寄存器之上
Driving on Registers
用相机感知的 register 词元把多相机 ViT 特征压成紧凑场景表示，再驱动轻量解码器生成并打分候选轨迹；这套「词元压缩 + 可解释子分数评分」的范式可直接迁移到其他需要多视角融合与实时推理的视觉任务。
DriverGaze360：面向目标级引导的全向驾驶员注意力
DriverGaze360: OmniDirectional Driver Attention with Object-Level Guidance
把驾驶员注意力预测从窄前视扩展到360°全景输入，并用辅助语义分割头把注意力图与所注视目标绑定；做车载感知或多任务注意力建模的可以借鉴这种「注意力图+目标级监督」的联合学习范式，以及其全景数据采集与标注流程。
DriveVLN：面向自动驾驶的无地图视觉语言导航
DriveVLN: Towards Mapless Vision-and-Language Navigation in Autonomous Driving
将视觉语言导航（VLN）从室内逐步指令扩展到自动驾驶的无地图点对点导航，提出基于自然语言描述和视觉线索（路标、地标、文字指示）的导航任务，并构建CARLA仿真引擎支持大规模训练与闭环评测，为语言驱动的自动驾驶提供新基准。
DrivePI：面向统一自动驾驶理解、感知、预测与规划的空间感知 4D 多模态大语言模型
DrivePI: Spatial-aware 4D MLLM for Unified Autonomous Driving Understanding, Perception, Prediction and Planning
DrivePI 将点云、多视角图像与语言指令统一到单个 MLLM 中，并行输出 3D 占用、占用流与规划动作，为视觉研究者提供了一个可复用的端到端 4D 空间理解与预测框架，尤其适合探索小参数量 MLLM 在自动驾驶感知-预测-规划联合建模中的潜力。
DriveMoE：面向端到端自动驾驶视觉-语言-动作模型的混合专家方法
DriveMoE: Mixture-of-Experts for Vision-Language-Action Model in End-to-End Autonomous Driving
DriveMoE 将 MoE 引入端到端自动驾驶的 VLA 框架，其视觉 MoE 通过路由器自适应选择相关相机视角，动作 MoE 通过路由器激活驾驶行为专家，这种按需激活专家的思路可复用于多视角感知与多模态动作生成任务，缓解模式平均问题。
DriveLaW：在潜空间驾驶世界中统一规划与视频生成
DriveLaW: Unifying Planning and Video Generation in a Latent Driving World
把视频生成器的潜变量直接接入扩散规划器，让未来预测与轨迹规划共享同一表征，为自动驾驶端到端规划提供了一种「生成即规划」的可复用范式；其潜变量注入与三阶段渐进训练策略也可迁移到其他需要预测-决策耦合的视觉任务。
走我的路：面向个性化驾驶的视觉-语言-动作模型偏好对齐
Drive My Way: Preference Alignment of Vision-Language-Action Model for Personalized Driving
把驾驶风格编码为用户嵌入并作为规划策略的条件输入，再叠加自然语言指令做短期引导，为端到端驾驶中「个性化/风格可控」提供了一条可复用的条件化 VLA 思路；其个性化驾驶数据集与 Bench2Drive 闭环评测协议也可直接用于评估风格适配能力。
Dr.Occ：面向自动驾驶的深度与区域引导环视相机三维占用预测
Dr.Occ: Depth- and Region-Guided 3D Occupancy from Surround-View Cameras for Autonomous Driving
用 MoGe-2 的稠密深度先验监督 2D-to-3D 视角变换，可缓解纯视觉 BEV/占用方法中体素特征与几何错位的问题；区域引导的 MoE 专家分配则为处理空间类别不平衡提供了可复用的思路。
扩散强制规划器：面向自动驾驶的历史退火规划与时变引导
Diffusion Forcing Planner: History-Annealed Planning with Time-Dependent Guidance for Autonomous Driving
把扩散模型的分段独立噪声水平与 CFG 结合，用退火历史作为引导信号来抑制时序抖动；做端到端轨迹生成或视频/序列预测的研究者可借鉴这种「历史段与未来段联合去噪」的异构扩散设定。
Den-TP：面向轨迹预测的密度均衡数据筛选与评测框架
Den-TP: A Density-Balanced Data Curation and Evaluation Framework for Trajectory Prediction
把「场景密度」当作与数据集无关的交互复杂度代理，用梯度子模选择做密度均衡的数据子集筛选，并配套密度条件评测协议；做自动驾驶轨迹预测或任何长尾感知任务的人可以直接借用这套数据筛选与分桶评测思路，暴露被平均误差掩盖的高密度失效模式。
可变形高斯占用：以因子化蒸馏解耦刚性与非刚性运动
Deformable Gaussian Occupancy: Decoupling Rigid and Nonrigid Motion with Factorized Distillation
将高斯原语的刚性与非刚性形变解耦，并用 VGGT 4D 基础模型做因子化跨相机/跨帧蒸馏，为自动驾驶占用预测中的人体等非刚性目标提供可复用的形变建模与蒸馏监督思路。
CycleBEV：通过视图循环一致性正则化视图变换网络用于鸟瞰图语义分割
CycleBEV: Regularizing View Transformation Networks via View Cycle Consistency for Bird's-Eye-View Semantic Segmentation
提出一种仅训练期使用的逆视图变换（IVT）网络与视图循环一致性损失，可作为即插即用正则化手段提升任意 PV→BEV 视图变换模型的语义分割精度，且不增加推理开销；其将循环一致性扩展到几何空间与表征空间的思路，可迁移到其他跨视角表征学习任务。
CrossEarth-Gate：面向跨域遥感语义分割高效适配的 Fisher 引导自适应调优引擎
CrossEarth-Gate: Fisher-Guided Adaptive Tuning Engine for Efficient Adaptation of Cross-Domain Remote Sensing Semantic Segmentation
把 Fisher 信息当作模块重要性的度量，在空间/语义/频率三类适配模块组成的工具箱上做动态稀疏激活，为视觉基础模型跨域适配提供了一种可复用的「按梯度流贡献选模块」的 PEFT 思路，可直接迁移到其他密集预测任务的域偏移场景。
CoopDiff：一种面向退化条件下协同的扩散引导方法
CoopDiff: A Diffusion-Guided Approach for Cooperation under Corruptions
把扩散去噪器当作特征级净化模块，用教师-学生范式在体素早期融合阶段生成干净监督，并用自我引导交叉注意力在退化条件下平衡融合两路特征；做车路协同/多智能体感知且需应对传感器与环境退化时可直接借鉴该去噪-融合结构。
ColaVLA：利用认知潜变量推理实现自动驾驶中的层级并行轨迹规划
ColaVLA: Leveraging Cognitive Latent Reasoning for Hierarchical Parallel Trajectory Planning in Autonomous Driving
把 VLM 的文本思维链推理迁移到统一潜空间，并用层级并行解码器一次前向输出多尺度轨迹，为视觉研究者提供了「潜变量推理 + 并行轨迹头」这一可复用范式，可显著降低 VLM 规划器的自回归延迟。
CogDriver：融合认知惯性实现自动驾驶中的时序连贯规划
CogDriver: Integrating Cognitive Inertia for Temporally Coherent Planning in Autonomous Driving
对做自动驾驶端到端规划的人，这篇给出了用稀疏时序记忆维持稳定内部状态、并用时空知识蒸馏显式监督决策连贯性的做法，可直接迁移到基于 VLM 的闭环规划器中抑制决策抖动。
CoLC：结合激光雷达补全的通信高效协同感知
CoLC: Communication-Efficient Collaborative Perception with LiDAR Completion
在带宽受限下用前景感知点采样加激光雷达补全重建稠密 pillar 再做早期融合，为多智能体协同感知提供了一条兼顾互补性与通信开销的路线，可直接迁移到车路协同与多车 BEV 感知系统。
CoIn3D：重新审视配置不变的多相机3D目标检测
CoIn3D: Revisiting Configuration-Invariant Multi-Camera 3D Object Detection
针对多相机3D检测在相机内参、外参和阵列布局变化下的跨平台泛化问题，提出将焦距、地面深度、地面梯度与 Plücker 坐标四类空间先验注入特征调制，并用免训练的动态新视角合成做相机感知数据增强；这套「空间先验显式建模 + 配置扰动增强」思路可直接迁移到任何需要跨传感器配置部署的 BEV/透视图 3D 感知模型。
CausalVAD：通过因果干预去混淆的端到端自动驾驶
CausalVAD: De-confounding End-to-End Autonomous Driving via Causal Intervention
提出稀疏因果干预模块（SCIS），可即插即用地嵌入端到端驾驶模型，通过原型字典对稀疏查询做后门调整，消除数据集偏差导致的因果混淆，提升规划安全性与鲁棒性。
CCF：面向域泛化多模态3D目标检测的互补协同融合
CCF: Complementary Collaborative Fusion for Domain Generalized Multi-Modal 3D Object Detection
针对双分支 proposal-level 多模态 3D 检测器，提出查询解耦损失、LiDAR 引导深度先验和互补跨模态掩码，可复用于提升视觉-激光雷达融合模型在恶劣域下的鲁棒性。
CATNet：面向协同感知的协同对齐与变换网络
CATNet: Collaborative Alignment and Transformation Network for Cooperative Perception
面向车路协同/多智能体感知中的时序延迟与多源噪声问题，STSync 的相邻帧差分对齐与 WTDen 的小波域去噪可作为即插模块复用到任何异步多视角特征融合流程中。
C-LaV：面向天气鲁棒 LiDAR 地点识别的条件潜变量速度场去噪
C-LaV: Conditional Latent Velocity Field Denoising for Weather-Robust LiDAR Place Recognition
把条件流匹配当作潜空间去噪器，在冻结的 DINOv2 BEV 潜空间里用概率流 ODE 把雨雪雾潜变量确定性搬运到晴天的对应潜变量，再接 SALAD 聚合做检索；这套「冻结语义锚定潜空间 + 条件流匹配去噪」的范式可直接迁移到其他受天气/传感器退化影响的检索与定位任务。
超越连接点：基于密集特征一致性的卫星影像区域网平差
Beyond Tie Points: Satellite Image Block Adjustment based on Dense Feature Consistency
用预训练特征提取器提取密集特征和视差感知置信图，以置信度加权特征一致性替代稀疏连接点进行区域网平差，为遥感影像几何校正提供了不依赖显式连接点的可复用优化框架。
超越瓦片匹配：弥合未对齐的航空与卫星视角以实现纯视觉无人机导航
Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation
把跨视角地理定位从「匹配地图瓦片」转为「从邻域特征联合回归绝对位置与航向」，并显式编码相对空间关系以抵抗视角差异与错位，对做无人机/遥感定位与视觉导航的人是一个可直接复用的轻量化范式。
BEV-SLD：基于激光雷达鸟瞰图图像的自监督场景地标检测全局定位
BEV-SLD: Self-Supervised Scene Landmark Detection for Global Localization with LiDAR Bird's-Eye View Images
把 SLD 的『场景地标』思路从相机图像迁移到激光雷达 BEV 图像上，用可学习全局地标坐标与逐帧热力图的一致性损失实现自监督地标发现，可作为无需三维点云地图的轻量级全局重定位方案复用。
BEV-CAR：以上下文感知光栅化增强单目鸟瞰图分割
BEV-CAR: Enhancing Monocular Bird's Eye View Segmentation with Context-Aware Rasterization
提出一种无需坐标变换的上下文感知光栅化方式，直接在BEV表示上逐条光线优化并注入深度特征，可被单目BEV分割/检测流水线复用，用于缓解遮挡区域的前景与布局估计误差，且推理阶段零额外开销。
AviaSafe：面向航空安全关键云预报的物理信息数据驱动模型
AviaSafe: A Physics-Informed Data-Driven Model for Aviation Safety-Critical Cloud Forecasts
将航空结冰指数（IC）作为物理约束嵌入分层预测框架，先以掩码注意力定位稀疏云区、再回归微物理组分浓度，这种「先定位稀疏区域再稠密回归」的两阶段设计可迁移到其他极端稀疏、分布不连续的视觉预测任务（如降水临近预报、烟雾/气溶胶分割）。
基于强化学习的稀疏采样下小型空中目标自适应三维感知
Adaptive 3D Perception for Small Aerial Targets Under Sparse Sampling via Reinforcement Learning
用强化学习策略根据无标签的稀疏度/前景接受率/轨迹稳定性统计，在线调节体素分辨率、检测敏感度与关联门限，为长距离激光雷达小目标在点密度剧变下的检测-跟踪闭环提供了可复用的自适应感知思路。
ActiveAD：面向规划的端到端自动驾驶主动学习
ActiveAD: Planning-Oriented Active Learning for End-to-End Autonomous Driving
提出面向规划任务的主动学习采样策略，通过多样性指标解决冷启动、不确定性指标选择关键样本，可复用于视觉模型训练中的数据高效标注场景。
AMap：蒸馏未来先验的前瞻感知在线高精地图构建
AMap: Distilling Future Priors for Ahead-Aware Online HD Map Construction
把「未来帧教师 + 当前帧学生」的蒸馏范式引入在线建图，用多层鸟瞰图蒸馏加空间掩码和非对称查询适配，让单帧模型零推理开销获得前瞻能力；对做自动驾驶感知、时序融合和特权信息蒸馏的视觉研究者可直接复用。
ACPV-Net：面向航空影像无缝矢量地图生成的全类别多边形矢量化
ACPV-Net: All-Class Polygonal Vectorization for Seamless Vector Map Generation from Aerial Imagery
面向航空影像的「全类别多边形矢量化」任务与 Deventer-512 基准，其共享边界、无缝隙无重叠的拓扑约束与语义监督条件化机制，可迁移到建筑提取、地物制图等需要输出矢量多边形的视觉任务。