Tag · 3 篇
鸟瞰图感知
分布 自动驾驶与遥感2视觉语言模型1
01 02 03
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。
MTA：面向鸟瞰图感知与描述的多模态任务对齐
MTA: Multimodal Task Alignment for BEV Perception and Captioning
把 BEV 场景表征与真值语言表征做上下文对齐、并把检测输出与描述输出做跨模态提示对齐，是一种可在训练期插入、推理期零开销的多模态对齐插件，可直接迁移到其他 BEV 感知+语言生成联合框架中。
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。