动态自动驾驶数据量身定制的NeRF：NeuRAD
1. 写在前面
今天笔者为大家分享一篇针对动态自动驾驶数据量身定制的nerf：neurad。具有简单的网络设计，并且针对相机和激光雷达的广泛传感器建模。
下面一起来阅读一下这项工作~
2. 摘要
神经辐射场( nerfs )在自动驾驶( ad )社区中得到了广泛的应用。最近的方法显示了nerfs在闭环仿真、ad系统测试以及作为先进的训练数据增强技术方面的潜力。然而，现有的方法往往需要较长的训练时间，密集的语义监督，或者缺乏泛化性。这反过来又阻碍了nerfs在ad中的规模化应用。在本文中，我们提出了一种针对动态ad数据的鲁棒的新颖视图合成方法neurad。我们的方法具有简单的网络设计，对相机和激光雷达广泛的传感器建模- -包括卷帘快门、光束发散和光线投射- -并且适用于盒子外的多个数据集。我们在五个流行的ad数据集上验证了其性能，达到了目前最先进的性能。为鼓励进一步开发，我们将公开发布neurad源代码。
3. 效果展示
neurad是一种为动态汽车场景量身定制的神经渲染方法。通过它，可以改变自车和其他道路使用者的姿态，以及自由添加和/或删除行动者。这些能力使得neurad适合作为组件的基础，例如传感器逼真的闭环仿真器或强大的数据增强引擎。
4. 具体原理是什么？
neurad为汽车场景的静力学和动力学学习一个联合神经特征场，其中两者仅由行动者感知哈希编码识别。落在执行器包围盒内的点被转换为执行器-局部坐标，并与执行器索引一起用于查询4d哈希网格。之后使用上采样cnn将体渲染的射线级特征解码为rgb值，并使用mlps解码为射线下降概率和强度。
5. 和其他sota方法对比如何？
在五个数据集上与sota方法进行图像新视角合成性能比较。
lidar新视角合成性能与sota方法的比较。
6. 总结
这篇文章提出了一种专门为动态自动驾驶( ad )数据量身定制的神经模拟器neurad。该模型在360 °中联合处理激光雷达和相机数据，并将世界分解为静态和动态元素，允许创建真实世界驾驶场景的传感器可编辑克隆。neurad融合了各种传感器现象的新颖建模，包括光束发散、光线下降和卷帘快门，提高了新视图合成的质量。
机器人板块为何关注点提升了
如何降低数据中心能耗?
智能化薄膜表面缺陷检测设备的原理及优势
什么是频谱分析仪？适用于需要射频测试的应用
二极管和发光二极管
动态自动驾驶数据量身定制的NeRF：NeuRAD
手机无线充电标准之争或在2014见分晓
高频疲劳试验机，常见故障问题有哪些？又该如何解决？
MCS51和8051一样吗?有什么区别
AI大咖齐聚上海外国语大学 共同研讨“人工智能生态链”
消弧线圈柜出现故障应如何处理
多元互联！绿米Aqara推Matter协议，促进AIot行业绿色健康发展
格力色界手机5天销量暴增1100倍，明年还要骁龙820手机！
受到iPhone7发布影响 苹果iPhone本年度第一季营收同比下降23%
格力公布其“电动口罩”的外观设计专利
计算机科学家砸了1千美元存款订购Model 3
中美贸易：大家电影响甚微，部分小家电影响较大
论IBM与KoBold Metals及斯坦福大学开发的AI智能体技术，且应用领域与效益
“臭打游戏的”也配买显卡？
苹果AirPower/AirPods无线充电盒上市在即 三月有望问世
今天笔者为大家分享一篇针对动态自动驾驶数据量身定制的nerf：neurad。具有简单的网络设计，并且针对相机和激光雷达的广泛传感器建模。
下面一起来阅读一下这项工作~
2. 摘要
神经辐射场( nerfs )在自动驾驶( ad )社区中得到了广泛的应用。最近的方法显示了nerfs在闭环仿真、ad系统测试以及作为先进的训练数据增强技术方面的潜力。然而，现有的方法往往需要较长的训练时间，密集的语义监督，或者缺乏泛化性。这反过来又阻碍了nerfs在ad中的规模化应用。在本文中，我们提出了一种针对动态ad数据的鲁棒的新颖视图合成方法neurad。我们的方法具有简单的网络设计，对相机和激光雷达广泛的传感器建模- -包括卷帘快门、光束发散和光线投射- -并且适用于盒子外的多个数据集。我们在五个流行的ad数据集上验证了其性能，达到了目前最先进的性能。为鼓励进一步开发，我们将公开发布neurad源代码。
3. 效果展示
neurad是一种为动态汽车场景量身定制的神经渲染方法。通过它，可以改变自车和其他道路使用者的姿态，以及自由添加和/或删除行动者。这些能力使得neurad适合作为组件的基础，例如传感器逼真的闭环仿真器或强大的数据增强引擎。
4. 具体原理是什么？
neurad为汽车场景的静力学和动力学学习一个联合神经特征场，其中两者仅由行动者感知哈希编码识别。落在执行器包围盒内的点被转换为执行器-局部坐标，并与执行器索引一起用于查询4d哈希网格。之后使用上采样cnn将体渲染的射线级特征解码为rgb值，并使用mlps解码为射线下降概率和强度。
5. 和其他sota方法对比如何？
在五个数据集上与sota方法进行图像新视角合成性能比较。
lidar新视角合成性能与sota方法的比较。
6. 总结
这篇文章提出了一种专门为动态自动驾驶( ad )数据量身定制的神经模拟器neurad。该模型在360 °中联合处理激光雷达和相机数据，并将世界分解为静态和动态元素，允许创建真实世界驾驶场景的传感器可编辑克隆。neurad融合了各种传感器现象的新颖建模，包括光束发散、光线下降和卷帘快门，提高了新视图合成的质量。
机器人板块为何关注点提升了
如何降低数据中心能耗?
智能化薄膜表面缺陷检测设备的原理及优势
什么是频谱分析仪？适用于需要射频测试的应用
二极管和发光二极管
动态自动驾驶数据量身定制的NeRF：NeuRAD
手机无线充电标准之争或在2014见分晓
高频疲劳试验机，常见故障问题有哪些？又该如何解决？
MCS51和8051一样吗?有什么区别
AI大咖齐聚上海外国语大学 共同研讨“人工智能生态链”
消弧线圈柜出现故障应如何处理
多元互联！绿米Aqara推Matter协议，促进AIot行业绿色健康发展
格力色界手机5天销量暴增1100倍，明年还要骁龙820手机！
受到iPhone7发布影响 苹果iPhone本年度第一季营收同比下降23%
格力公布其“电动口罩”的外观设计专利
计算机科学家砸了1千美元存款订购Model 3
中美贸易：大家电影响甚微，部分小家电影响较大
论IBM与KoBold Metals及斯坦福大学开发的AI智能体技术，且应用领域与效益
“臭打游戏的”也配买显卡？
苹果AirPower/AirPods无线充电盒上市在即 三月有望问世