#自动驾驶感知
共 26 篇相关文章
·13 分钟
Grok 4.6发布：xAI收购Cursor后AI竞赛进入三足鼎立时代
xAI发布Grok 4.6模型，在编程和知识工作领域实现全面提升。收购Cursor后数据与算力完美结合，Grok跻身与OpenAI、Anthropic并列的AI第三极，每百万token输入仅2美元，性价比突出。
阅读全文 →
·8 分钟
Boreas数据集：44次穿越风雪的自动驾驶多模态数据集
Boreas数据集由多伦多大学发布，在同一路线上跨越四季采集44次，提供128线激光雷达、360度雷达和摄像头的同步数据，含32万+三维标注框，专为恶劣天气下的自动驾驶感知研究设计。
阅读全文 →
·6 分钟
CVPR论文数据集未发布：学术诚信与可复现性危机
一篇CVPR 2026论文以数据集为核心贡献，却从未公开发布，GitHub仓库始终为空。本文深度分析数据集类论文的可复现性困境、学术诚信问题，并整理投诉维权的可行渠道与建议。
阅读全文 →
·15 分钟
合成190°鱼眼驾驶视频：ADAS训练数据的几何一致性挑战
探讨基于相机标定参数合成190°鱼眼驾驶视频的技术路径，分析几何一致性对ADAS感知模型训练的关键影响，以及合成数据在环视系统中的机遇与域差距挑战。
阅读全文 →
·15 分钟
少样本高效学习：16个样本达成100%准确率的启示
探讨仅用16个样本实现100%准确率背后的深层意义，解析持续学习中数据效率与模型稳定性的关键作用，以及波动复合效应对长期学习系统的影响。
阅读全文 →
·16 分钟
双目相机+IMU融合数据集获取指南：开源资源与组合策略
详解大规模双目相机与IMU同步数据集的获取方法，盘点KITTI、EuRoC、nuScenes、Waymo等主流开源数据集，分析组合使用策略与传感器异构性、时间同步等工程陷阱。
阅读全文 →
·8 分钟
NVIDIA LocateAnything：并行框解码如何突破VLM定位效率瓶颈
深入解析NVIDIA LocateAnything模型的核心创新——并行框解码（PBD）技术，如何解决视觉语言模型在坐标预测中的串行效率瓶颈，实现边界框一步解码，大幅提升目标定位推理速度。
阅读全文 →
·6 分钟
LightlyStudio：开源图像嵌入探索工具，支持百万级数据可视化
LightlyStudio 是一款 Apache-2.0 开源工具，支持图像嵌入可视化、悬停预览和分布分析，经百万级数据验证，帮助开发者高效完成视觉数据集探索、调试与整理。
阅读全文 →
·10 分钟
30+本免费AI/ML经典书籍推荐：一个GitHub仓库全收录
一个开源GitHub仓库整理了30多本合法免费的AI与机器学习经典书籍，覆盖深度学习、强化学习、NLP、计算机视觉等十大领域，含Goodfellow、Sutton等圣经级教材，支持自动链接检测，持续更新可用。
阅读全文 →
·15 分钟
AI应用工程师面试指南：模型量化与推理部署核心考点
系统梳理AI应用工程师面试必考技术点：PTQ/QAT量化、算子融合、推理管线、延迟吞吐分析，以及检测/分割/BEV模型的边缘部署实战要点，帮你建立端侧AI完整知识框架。
阅读全文 →
·15 分钟
Vibe Coding进阶指南：从玩具项目到企业级AI工程化开发
深度解析Vibe Coding的能力边界与突破路径，对比Claude Code、Codex三种递进开发模式，结合电商与AI模型聚合平台实战案例，揭示AI工程化编程如何真正落地企业级项目。
阅读全文 →
·14 分钟
Vibe Coding完全入门指南：AI编程核心逻辑与实战路径
Vibe Coding是AI时代编程学习的新范式，用自然语言描述需求，让AI生成代码。本文详解从零基础到实战的三阶段学习路径：建立AI编程思维、提升代码质量、完成真实项目，掌握Cursor、Claude Code等主流工具，开启AI辅助编程新方式。
阅读全文 →
·14 分钟
Ego Vision：基于YOLO11的驾驶动作预测系统详解
Ego Vision是一个开源自动驾驶感知项目，整合YOLO11目标检测、ByteTrack多目标跟踪与Depth Anything V2深度估计，实现GO/减速/停车/紧急制动四种驾驶动作预测。本文深度解析其技术架构、决策逻辑与工程价值。
阅读全文 →
计算机视觉职业发展路径：本科生入局指南
·8 分钟
计算机视觉职业发展路径：本科生入局指南
计算机视觉（CV）值得作为独立职业吗？本文深度解析CV工程师的就业现状、读硕vs先就业的抉择逻辑、边缘部署的核心竞争力，以及从传统CV转型多模态AI工程师的实操建议，帮助本科生规划清晰的职业路径。
阅读全文 →
·12 分钟
AI如何攻克不完全信息博弈？Tactico实战全解析
象棋、围棋已被AI征服，但隐藏信息的不完全信息博弈才是真正前沿。本文深度解析Tactico项目：模仿学习+自我对弈强化学习如何训练AI逼近纳什均衡，让绝大多数人类玩家无法招架。
阅读全文 →
·16 分钟
Gemini Live接入Nano Banana：实时摄像头+图像生成+地图联动全解析
谷歌Gemini Live正式整合Nano Banana图像生成模型与Google Maps等互联应用，支持实时摄像头理解场景并生成可视化方案。全球免费开放，让装修布置、空间规划从想象秒变可见，一文详解核心功能与使用场景。
阅读全文 →
·7 分钟
RF-DETR本地部署教程：YOLO之外精度更高的目标检测新选择
RF-DETR是首个在COCO数据集上实时检测精度突破60 mAP的Transformer目标检测模型。本文详解本地部署全流程：Conda环境搭建、pip一键安装、图片与视频检测实测，帮你快速上手这一YOLO的高精度替代方案。
阅读全文 →
·10 分钟
让任意LLM理解视频：Claude-real-video技术原理与应用解析
深入解析开源项目Claude-real-video的核心技术：通过关键帧抽取、图像描述转文本与语音识别，将视频转化为LLM可处理的结构化输入，实现模型无关的视频理解方案，适用于视频摘要、内容检索等多种场景。
阅读全文 →
