Papers with Code 아카이브
Autonomous Driving
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 6
- 평가표
- 4
- 보존된 평가 기록
- 23
Autonomous driving is the task of driving a vehicle without human conduction.
Many of the state-of-the-art results can be found at more general task pages such as 3D Object Detection and Semantic Segmentation.
<span style="color:grey; opacity: 0.5">(Image credit: Exploring the Limitations of Behavior Cloning for Autonomous Driving)</span>
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
3D 장면 생성: 종합 조사
다중 표현 기하학적 계층 융합: 복원력 있는 3D 장소 인식을 위한 암시적 서브맵 기반 프레임워크
VISA: 3D 점유 월드 모델을 위한 VLM 기반 인스턴스 의미론 감사
VLC Fusion: Vision-Language Conditioned Sensor Fusion for Robust Object Detection
3D 인식 기하학적 제약을 활용한 개방형 어휘 BEV 분할
완벽한 사전 지식을 넘어서: 실환경 4D 주행 재구성을 위한 적응형 가우시안 그래프
A2D2: 아우디 자율주행 데이터셋
고충실도 거리 장면 재구성을 위해 움직이는 물체에 대응하는 3D 가우시안 스플래팅
임베디드 자동차 시스템을 위한 최적화 RetinaNet 아키텍처 기반 실시간 의미 분할
MOJITO: 통합 종단간 자율 주행을 위한 모달리티 결합 학습
DAP-Pose: 강건한 포즈 추정을 위한 심층 시간 정렬 및 물리 인식 교차 모달 센서 퓨전
RoadVGGT: 도로 구조 인식 피드포워드 도로 표면 재구성
SimBEV2X: 다중 과제 차량-만물(V2X) 협력 인식을 위한 대규모 데이터셋 및 데이터 생성 도구
자율주행 차량 내비게이션을 위한 비전-언어 모델 기반 GNSS 스푸핑 탐지 개발
세밀한 타이어 패턴 인식을 위한 상호 모달리티 신뢰와 경량 재구성 정규화
규정 이해를 위한 추론: 교통 규칙 이해를 위한 사고의 연쇄(Chain-of-Thought)
MATS: 자율주행 3D 인식을 위한 새로운 다중 모달리티 다중 과제 학습 프레임워크
SILICA: 확산 사전 지식 재활용을 통한 유리 분할 및 깊이 추정 통합
InterOCF: 카메라 전용 4D 점유 예측을 위한 시공간 2D-3D 상호작용
ObsDriveBench: 관측 가능성 인식을 반영한 악천후 조건에서의 멀티모달 이해 벤치마킹
비정상 강화학습에서 안전성 제약으로서의 조정 속도
명령 기반 희소화: 다중 작업 추론 가속기를 위한 작업 조건부 연산 건너뛰기
주행 장면에서 일관된 차선 및 교통 토폴로지 추론을 위한 기하학 유도 표현
DeepUrban: 항공 영상 기반 자율주행을 위한 상호작용 인식 궤적 예측 및 계획
3D 점유를 위한 적응적 시맨틱 가우시안 할당 학습
CommandLM: 데이터 기반 자차 행동 수준 서술자
JustDepth: 단일 스캔 LiDAR 지도를 활용한 실시간 레이더-카메라 깊이 추정
HERMES: 신호 교차로에서의 교통 충돌 예측을 위한 이질적 엣지-관계 다중 헤드 임베디드 SSM 어텐션
SevDiff: 롱테일 충돌 궤적 생성을 위한 심각도 조건 확산
신호등 없는 교차로에서 자율주행 차량을 위한 압축 잠재 조율
Speech2Speech LLM 어시스턴트를 위한 안전장치: 자동차 응용 사례 연구
RECO: 도로변 3D 검출에서 외부 파라미터 섭동에 대한 영역 인식 보정
HyWorldVLA: 자율주행을 위한 하이브리드 월드 모델링 비전-언어-행동(VLA) 모델
탐지기는 잘못된 것을 학습한다: 물리적으로 실현 가능한 공격에 대항하는 단축 경로 저항적 적대적 학습
HGeo-TopoMap: 계층적 기하학적 사전정보를 활용한 위상 매핑 성능 향상
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.