Tag · 2 篇
路侧感知
01 02
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。
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。