Jadual Kandungan
Ditulis di atas & pemahaman peribadi pengarang
Penjelasan kaedah terperinci
Pembesaran imej
Penalaan halus dengan imej yang dihasilkan bercampur dalam
Terjemahan imej ke imej
Hasil
Rumah Peranti teknologi AI 'Sukar untuk membezakan antara benar dan palsu'! Penggunaan bijak data simulasi pemanduan autonomi yang dijana oleh NeRF

'Sukar untuk membezakan antara benar dan palsu'! Penggunaan bijak data simulasi pemanduan autonomi yang dijana oleh NeRF

Apr 01, 2024 am 11:31 AM
data Pemanduan autonomi emulator

Ditulis di atas & pemahaman peribadi pengarang

Neural Radiation Field (NeRF) telah menjadi alat yang memajukan permulaan kepada pencarian semula untuk pemanduan autonomi (AD), menyediakan simulasi gelung tertutup berskala dan keupayaan peningkatan data. Walau bagaimanapun, untuk mempercayai keputusan yang diperoleh dalam simulasi, adalah perlu untuk memastikan bahawa sistem AD melihat data sebenar dan data yang diberikan dengan cara yang sama. Walaupun prestasi kaedah pemaparan semakin bertambah baik, banyak adegan tetap secara semula jadi mencabar untuk membina semula dengan setia. Untuk tujuan ini, kami mencadangkan perspektif baharu untuk menangani jurang antara data sebenar dan simulasi. Kami bukan sahaja menumpukan pada meningkatkan kesetiaan pemaparan, tetapi meneroka kaedah yang mudah lagi berkesan untuk meningkatkan keteguhan model persepsi kepada artifak NeRF tanpa menjejaskan prestasi data sebenar. Tambahan pula, kami menjalankan penyiasatan berskala besar pertama bagi jurang data sebenar kepada simulasi dalam tetapan AD menggunakan teknik pemaparan saraf terkini. Secara khusus, kajian kami menilai pengesan objek dan model pemetaan dalam talian pada data sebenar dan simulasi serta menyiasat kesan strategi pra-latihan yang berbeza. Keputusan kami menunjukkan ketepatan model yang dipertingkatkan dengan ketara pada data simulasi, malah meningkatkan prestasi dunia sebenar dalam beberapa kes. Akhir sekali, kami menyelidiki persamaan sebenar kepada simulasi, mengenal pasti FID dan LPIPS sebagai penunjuk yang kukuh.

Dalam artikel ini, kami mencadangkan perspektif baharu untuk merapatkan jurang antara sistem pemanduan pintar dan modul persepsi. Matlamat kami bukan untuk meningkatkan kualiti pemaparan tetapi untuk menjadikan model persepsi lebih mantap kepada artifak NeRF tanpa merendahkan prestasi pada data sebenar. Kami percaya bahawa hala tuju ini adalah pelengkap kepada peningkatan prestasi NeRF dan merupakan kunci untuk mendayakan ujian AV maya. Sebagai langkah pertama ke arah ini, kami menunjukkan bahawa walaupun teknik penambahan data yang mudah boleh memberi kesan yang kuat pada keteguhan model kepada artifak NeRF.

Kami menjalankan kajian real2sim+gap luas pertama pada set data AD berskala besar dan menilai prestasi pengesan objek berbilang serta model pemetaan dalam talian pada data sebenar dan data kaedah pemaparan saraf terkini (SOTA). . Kajian kami merangkumi kesan teknik penambahan data yang berbeza semasa latihan, dan kesetiaan pemaparan NeRF semasa inferens. Kami mendapati bahawa semasa penalaan halus model, data ini menunjukkan kesan teknik pembesaran, dan kesetiaan pemaparan NeRF malah meningkatkan prestasi pada data sebenar dalam beberapa kes. Akhir sekali, kami mengkaji korelasi antara metrik pembinaan semula imej tersirat dan biasa dalam real2sim dan mendapatkan pandangan tentang kepentingan menggunakan NeRF untuk simulator data CAD. Kami mendapati bahawa LPIPS dan FID ialah penunjuk yang berkuasa bagi perbezaan real2sim, dan seterusnya mengesahkan bahawa cadangan peningkatan kami mengurangkan sensitiviti komposisi visual yang kurang kontras.

Sukar untuk membezakan antara benar dan palsu! Penggunaan bijak data simulasi pemanduan autonomi yang dijana oleh NeRF

Penjelasan kaedah terperinci

Untuk menguji dan mengesahkan keupayaan AD enjin simulasi dipacu NeRF, mereka boleh menggunakan data yang telah dikumpul untuk meneroka senario maya baharu. Walau bagaimanapun, agar keputusan menggunakan model sedemikian boleh dipercayai, sistem AD mesti berkelakuan dengan cara yang sama semasa memproses data dan data sebenar. Dalam kerja ini, kami mencadangkan pendekatan alternatif dan pelengkap untuk menyesuaikan sistem AD untuk menjadikannya kurang sensitif terhadap perbezaan antara data sebenar dan simulasi. Dengan cara ini, kita boleh menala sistem AD supaya kurang sensitif kepada perbezaan antara data sebenar dan simulasi dan dengan itu mengendalikan perbezaan antara data sebenar dan simulasi dengan lebih baik.

Sukar untuk membezakan antara benar dan palsu! Penggunaan bijak data simulasi pemanduan autonomi yang dijana oleh NeRF

Sebagai langkah pertama dalam meneroka cara strategi penalaan halus boleh menjadikan model persepsi lebih mantap kepada artifak dalam data yang diberikan, kami menggunakan strategi penalaan halus yang berbeza. Khususnya, memandangkan model yang sudah terlatih, kami memperhalusi model persepsi menggunakan imej yang menumpukan pada peningkatan prestasi imej yang diberikan sambil mengekalkan prestasi pada data sebenar, lihat Rajah 2. Di samping mengurangkan jurang real2sim, ini juga mungkin mengurangkan keperluan untuk realisme sensor, membuka jalan untuk penggunaan kaedah pemaparan saraf yang lebih meluas, dan mengurangkan keperluan pengiraan untuk latihan dan penilaian kaedah penerangan. Ambil perhatian bahawa semasa kami menumpukan pada model persepsi, pendekatan kami boleh diperluaskan dengan mudah kepada model hujung ke hujung juga.

Akhir sekali, kita boleh membayangkan pelbagai cara untuk mencapai matlamat menjadikan model lebih mantap, seperti mendapatkan inspirasi daripada penyesuaian domain dan literatur pembelajaran pelbagai tugas. Walau bagaimanapun, penalaan halus memerlukan pelarasan khusus model yang minimum, membolehkan kami mempelajari pelbagai model dengan mudah.

Pembesaran imej

Pembesaran imej ialah kaedah yang biasa digunakan, dan strategi klasik untuk meningkatkan keteguhan terhadap artifak ialah menggunakan pembesaran imej. Di sini, kami memilih peningkatan untuk mewakili pelbagai herotan yang terdapat dalam imej yang diberikan. Lebih khusus lagi, kami menambah hingar Gaussian rawak dan melilitkan imej dengan kernel kabur Gaussian, menggunakan herotan fotometri yang serupa dengan yang terdapat dalam SimCLR. Akhir sekali, imej itu diturunkan sampel dan ditingkatkan. Penambahan digunakan secara berurutan, dan setiap penambahan mempunyai kebarangkalian tertentu.

Penalaan halus dengan imej yang dihasilkan bercampur dalam

NeRF ialah model pembelajaran mendalam untuk menghasilkan pemandangan 3D. Semasa penalaan halus, model boleh menyesuaikan diri dengan bentuk semula jadi lain, iaitu, memasukkan data ini semasa penalaan halus. Ini memudahkan keupayaan untuk melatih model NeRF supaya kaedah NeRF boleh dilatih pada set data yang sama seperti model sedar pengawasan. Walau bagaimanapun, latihan NeRF pada set data yang besar mungkin mahal, sesetengah daripadanya mungkin memerlukan label untuk tugas seperti pengesanan objek 3D, pembahagian semantik atau label berbilang kategori. Di samping itu, NeRF AD sering meningkatkan keperluan pesanan data. Untuk menyesuaikan diri dengan keperluan ini, label mungkin memerlukan pemprosesan yang lebih khas, seperti pengesanan objek 3D, pembahagian semantik atau label berbilang kategori, dsb.

Seterusnya, kami membahagikan imej urutan yang dipilih kepada set latihan NeRF dan set penahanan. Penalaan halus model persepsi dilakukan pada keseluruhan set data latihan mereka D, dan untuk imej dengan pemaparan surat-menyurat dalam D, kami menggunakan imej yang diberikan dengan kebarangkalian p. Ini bermakna imej yang digunakan untuk penalaan halus tidak dilihat oleh model NeRF.

Terjemahan imej ke imej

Seperti yang dinyatakan sebelum ini, memberikan data NeRF ialah teknik penambahan data yang mahal. Tambahan pula, sebagai tambahan kepada data yang diperlukan untuk tugas persepsi, ia juga memerlukan data berurutan dan penanda yang berpotensi tambahan. Iaitu, untuk pendekatan berskala, idealnya kami mahukan strategi yang cekap untuk mendapatkan data NeRF untuk satu imej. Untuk tujuan ini, kami mencadangkan untuk menggunakan pendekatan imej ke imej untuk belajar menjana imej seperti NeRF. Memandangkan imej sebenar, model mengubah imej ke domain NeRF, dengan berkesan memperkenalkan artifak tipikal NeRF. Ini membolehkan kami meningkatkan bilangan imej seperti NeRF dengan ketara semasa penalaan halus pada kos pengiraan terhad. Kami melatih model imej-ke-imej menggunakan imej yang diberikan Dnerf dan imej sebenar yang sepadan. Contoh visual strategi peningkatan yang berbeza ditunjukkan dalam Rajah 3.

Sukar untuk membezakan antara benar dan palsu! Penggunaan bijak data simulasi pemanduan autonomi yang dijana oleh NeRF

Hasil

Neural Radiation Field (NeRF) telah menjadi sebahagian daripada simulasi pemanduan autonomi (AD) data pendekatan yang menjanjikan. Walau bagaimanapun, untuk menjadi praktikal, adalah perlu untuk memahami bagaimana tindakan yang dilakukan oleh sistem AD pada data simulasi diterjemahkan kepada data sebenar. Siasatan berskala besar kami mendedahkan jurang prestasi antara model persepsi yang terdedah kepada imej simulasi dan sebenar.

Sukar untuk membezakan antara benar dan palsu! Penggunaan bijak data simulasi pemanduan autonomi yang dijana oleh NeRF Tidak seperti pendekatan terdahulu yang memfokuskan pada meningkatkan kualiti pemaparan, kertas kerja ini menyiasat cara menukar model persepsi untuk menjadikannya lebih mantap kepada data simulasi NeRF. Kami menunjukkan bahawa penalaan halus dengan data seperti NeRF atau NeRF mengurangkan dengan ketara jurang real2sim untuk pengesanan objek dan kaedah pemetaan dalam talian tanpa mengorbankan prestasi pada data sebenar. Tambahan pula, kami menunjukkan bahawa menjana senario baharu di luar pengedaran kereta api sedia ada, seperti simulasi pelepasan lorong, boleh meningkatkan prestasi pada data sebenar. Kajian metrik imej yang biasa digunakan dalam komuniti NeRF menunjukkan bahawa skor LPIPS dan FID menunjukkan korelasi paling kuat dengan prestasi persepsi. Ini menunjukkan bahawa persamaan persepsi mempunyai kepentingan yang lebih besar untuk model persepsi daripada kualiti pembinaan semula semata-mata.

Sebagai kesimpulan, kami percaya bahawa data simulasi NeRF adalah berharga untuk AD, terutamanya apabila menggunakan kaedah cadangan kami untuk meningkatkan keteguhan model persepsi. Tambahan pula, data NeRF bukan sahaja membantu menguji sistem AD pada data simulasi tetapi juga membantu meningkatkan prestasi model persepsi pada data sebenar. Sukar untuk membezakan antara benar dan palsu! Penggunaan bijak data simulasi pemanduan autonomi yang dijana oleh NeRF

Atas ialah kandungan terperinci 'Sukar untuk membezakan antara benar dan palsu'! Penggunaan bijak data simulasi pemanduan autonomi yang dijana oleh NeRF. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Pengenalan kepada cara menggunakan simulator joiplay Pengenalan kepada cara menggunakan simulator joiplay May 04, 2024 pm 06:40 PM

Simulator jojplay ialah simulator telefon mudah alih yang sangat mudah digunakan Ia menyokong permainan komputer untuk dijalankan pada telefon mudah alih dan mempunyai keserasian yang sangat baik Beberapa pemain tidak tahu cara menggunakannya . Cara menggunakan simulator joiplay 1. Mula-mula, anda perlu memuat turun pemalam Joiplay body dan RPGM Sebaik-baiknya pasangkannya mengikut urutan pemalam badan Pakej apk boleh didapati di bar Joiplay (klik untuk mendapatkan >>>). 2. Selepas Android selesai, anda boleh menambah permainan di sudut kiri bawah. 3. Isikan nama secara santai, dan tekan CHOOSE pada executablefile untuk memilih fail game.exe permainan. 4. Ikon boleh dibiarkan kosong atau anda boleh memilih gambar kegemaran anda.

Bagaimana untuk mendayakan vt pada papan induk MSI Bagaimana untuk mendayakan vt pada papan induk MSI May 01, 2024 am 09:28 AM

Bagaimana untuk mendayakan VT pada papan induk MSI? Apakah kaedahnya? Laman web ini telah menyusun kaedah pemboleh VT papan induk MSI dengan teliti untuk kebanyakan pengguna Selamat datang untuk membaca dan berkongsi! Langkah pertama ialah memulakan semula komputer dan masuk ke BIOS Apakah yang perlu saya lakukan jika kelajuan permulaan terlalu cepat dan saya tidak boleh memasuki BIOS? Selepas skrin menyala, teruskan menekan "Del" untuk memasuki halaman BIOS Langkah kedua ialah mencari pilihan VT dalam menu dan menghidupkannya Model komputer yang berbeza mempunyai antara muka BIOS yang berbeza dan nama yang berbeza untuk VT : 1. Enter Selepas memasuki halaman BIOS, cari pilihan "OC (atau overclocking)" - "CPU Features" - "SVMMode (atau Intel Virtualization Technology)" dan tukar pilihan "Disabled"

Bagaimana untuk mendayakan vt pada papan induk ASRock Bagaimana untuk mendayakan vt pada papan induk ASRock May 01, 2024 am 08:49 AM

Bagaimana untuk membolehkan VT pada papan induk ASRock, apakah kaedah dan cara mengendalikannya. Laman web ini telah menyusun kaedah ASRock motherboard vt enable untuk pengguna membaca dan berkongsi! Langkah pertama adalah untuk memulakan semula komputer Selepas skrin menyala, teruskan menekan kekunci "F2" untuk memasuki halaman BIOS. Langkah kedua ialah mencari pilihan VT dalam menu dan menghidupkannya Model papan induk yang berbeza mempunyai antara muka BIOS yang berbeza dan nama yang berbeza untuk VT 1. Selepas memasuki halaman BIOS, cari "Advanced (Advanced)" - "CPU Configuration (CPU) Konfigurasi)" - pilihan "SVMMOD (teknologi penmayaran)", tukar "Dilumpuhkan" kepada "Didayakan"

Bagaimana untuk menyelesaikan masalah ekor panjang dalam senario pemanduan autonomi? Bagaimana untuk menyelesaikan masalah ekor panjang dalam senario pemanduan autonomi? Jun 02, 2024 pm 02:44 PM

Semalam semasa temu bual, saya telah ditanya sama ada saya telah membuat sebarang soalan berkaitan ekor panjang, jadi saya fikir saya akan memberikan ringkasan ringkas. Masalah ekor panjang pemanduan autonomi merujuk kepada kes tepi dalam kenderaan autonomi, iaitu, kemungkinan senario dengan kebarangkalian yang rendah untuk berlaku. Masalah ekor panjang yang dirasakan adalah salah satu sebab utama yang kini mengehadkan domain reka bentuk pengendalian kenderaan autonomi pintar satu kenderaan. Seni bina asas dan kebanyakan isu teknikal pemanduan autonomi telah diselesaikan, dan baki 5% masalah ekor panjang secara beransur-ansur menjadi kunci untuk menyekat pembangunan pemanduan autonomi. Masalah ini termasuk pelbagai senario yang berpecah-belah, situasi yang melampau dan tingkah laku manusia yang tidak dapat diramalkan. "Ekor panjang" senario tepi dalam pemanduan autonomi merujuk kepada kes tepi dalam kenderaan autonomi (AVs) kes Edge adalah senario yang mungkin dengan kebarangkalian yang rendah untuk berlaku. kejadian yang jarang berlaku ini

Bagaimana untuk memasang sistem Windows pada komputer tablet Bagaimana untuk memasang sistem Windows pada komputer tablet May 03, 2024 pm 01:04 PM

Bagaimana untuk menyalakan sistem Windows pada tablet BBK Cara pertama ialah memasang sistem pada cakera keras. Selagi sistem komputer tidak ranap, anda boleh memasuki sistem, dan memuat turun perkara, anda boleh menggunakan cakera keras komputer untuk memasang sistem. Kaedahnya adalah seperti berikut: Bergantung pada konfigurasi komputer anda, anda boleh memasang sistem pengendalian WIN7. Kami memilih untuk memuat turun sistem pemasangan semula satu klik Xiaobai dalam vivopad untuk memasangnya Mula-mula, pilih versi sistem yang sesuai untuk komputer anda, dan klik "Pasang sistem ini" ke langkah seterusnya. Kemudian kami menunggu dengan sabar untuk sumber pemasangan dimuat turun, dan kemudian menunggu persekitaran digunakan dan dimulakan semula. Langkah-langkah untuk memasang win11 pada vivopad ialah: mula-mula gunakan perisian untuk menyemak sama ada win11 boleh dipasang. Selepas melepasi pengesanan sistem, masukkan tetapan sistem. Pilih pilihan Kemas Kini & Keselamatan di sana. klik

Panduan Simulator Hidup Semula Panduan Simulator Hidup Semula May 07, 2024 pm 05:28 PM

Life Restart Simulator adalah permainan simulasi yang sangat menarik Permainan ini telah menjadi sangat popular baru-baru ini strategi ada? Panduan Panduan Simulator Hidup Semula Ciri-ciri Simulator Mulakan Semula Kehidupan Ini adalah permainan yang sangat kreatif di mana pemain boleh bermain mengikut idea mereka sendiri. Terdapat banyak tugas yang perlu diselesaikan setiap hari, dan anda boleh menikmati kehidupan baru di dunia maya ini. Terdapat banyak lagu dalam permainan, dan semua jenis kehidupan yang berbeza sedang menunggu untuk anda alami. Hidup Semula Simulator Kandungan Permainan Kad Lukisan Bakat: Bakat: Anda mesti memilih kotak kecil misteri untuk menjadi abadi. Pelbagai kapsul kecil tersedia untuk mengelak daripada mati di tengah jalan. Cthulhu boleh memilih

Kelajuan Internet Data Selular Perlahan pada iPhone: Pembetulan Kelajuan Internet Data Selular Perlahan pada iPhone: Pembetulan May 03, 2024 pm 09:01 PM

Menghadapi ketinggalan, sambungan data mudah alih perlahan pada iPhone? Biasanya, kekuatan internet selular pada telefon anda bergantung pada beberapa faktor seperti rantau, jenis rangkaian selular, jenis perayauan, dsb. Terdapat beberapa perkara yang boleh anda lakukan untuk mendapatkan sambungan Internet selular yang lebih pantas dan boleh dipercayai. Betulkan 1 – Paksa Mulakan Semula iPhone Kadangkala, paksa memulakan semula peranti anda hanya menetapkan semula banyak perkara, termasuk sambungan selular. Langkah 1 – Hanya tekan kekunci naikkan kelantangan sekali dan lepaskan. Seterusnya, tekan kekunci Turun Kelantangan dan lepaskannya semula. Langkah 2 - Bahagian seterusnya proses adalah untuk menahan butang di sebelah kanan. Biarkan iPhone selesai dimulakan semula. Dayakan data selular dan semak kelajuan rangkaian. Semak semula Betulkan 2 – Tukar mod data Walaupun 5G menawarkan kelajuan rangkaian yang lebih baik, ia berfungsi lebih baik apabila isyarat lemah

Tentera Udara A.S. mempamerkan jet pejuang AI pertamanya dengan profil tinggi! Menteri secara peribadi menjalankan pandu uji tanpa campur tangan semasa keseluruhan proses, dan 100,000 baris kod telah diuji selama 21 kali. Tentera Udara A.S. mempamerkan jet pejuang AI pertamanya dengan profil tinggi! Menteri secara peribadi menjalankan pandu uji tanpa campur tangan semasa keseluruhan proses, dan 100,000 baris kod telah diuji selama 21 kali. May 07, 2024 pm 05:00 PM

Baru-baru ini, bulatan tentera telah terharu dengan berita: jet pejuang tentera AS kini boleh melengkapkan pertempuran udara automatik sepenuhnya menggunakan AI. Ya, baru-baru ini, jet pejuang AI tentera AS telah didedahkan buat pertama kali, mendedahkan misterinya. Nama penuh pesawat pejuang ini ialah Variable Stability Simulator Test Aircraft (VISTA). Ia diterbangkan sendiri oleh Setiausaha Tentera Udara AS untuk mensimulasikan pertempuran udara satu lawan satu. Pada 2 Mei, Setiausaha Tentera Udara A.S. Frank Kendall berlepas menggunakan X-62AVISTA di Pangkalan Tentera Udara Edwards Ambil perhatian bahawa semasa penerbangan selama satu jam, semua tindakan penerbangan telah diselesaikan secara autonomi oleh AI! Kendall berkata - "Sejak beberapa dekad yang lalu, kami telah memikirkan tentang potensi tanpa had pertempuran udara-ke-udara autonomi, tetapi ia sentiasa kelihatan di luar jangkauan." Namun kini,

See all articles