論文の概要: Vision-Centric BEV Perception: A Survey

• arxiv url: http://arxiv.org/abs/2208.02797v2
• Date: Wed, 7 Jun 2023 03:32:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-08 20:12:04.195381
• Title: Vision-Centric BEV Perception: A Survey
• Title（参考訳）: ビジョン中心のBEV知覚:サーベイ
• Authors: Yuexin Ma, Tai Wang, Xuyang Bai, Huitong Yang, Yuenan Hou, Yaming Wang, Yu Qiao, Ruigang Yang, Dinesh Manocha, Xinge Zhu
• Abstract要約: 視覚中心のBird's Eye View(BEV)の認識は、産業と学界の両方から大きな関心を集めている。 ディープラーニングの急速な進歩は、視覚中心のBEV知覚問題に対処する多くの方法の提案につながった。 本稿では、最新の知識をコンパイルし、整理し、一般的なアルゴリズムの体系的なレビューと要約を提供する。
• 参考スコア（独自算出の注目度）: 92.98068828762833
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In recent years, vision-centric Bird's Eye View (BEV) perception has garnered significant interest from both industry and academia due to its inherent advantages, such as providing an intuitive representation of the world and being conducive to data fusion. The rapid advancements in deep learning have led to the proposal of numerous methods for addressing vision-centric BEV perception challenges. However, there has been no recent survey encompassing this novel and burgeoning research field. To catalyze future research, this paper presents a comprehensive survey of the latest developments in vision-centric BEV perception and its extensions. It compiles and organizes up-to-date knowledge, offering a systematic review and summary of prevalent algorithms. Additionally, the paper provides in-depth analyses and comparative results on various BEV perception tasks, facilitating the evaluation of future works and sparking new research directions. Furthermore, the paper discusses and shares valuable empirical implementation details to aid in the advancement of related algorithms.
• Abstract（参考訳）: 近年、視覚中心のBird's Eye View (BEV) の認識は、世界の直感的な表現を提供し、データ融合に寄与するなど、その固有の利点のために、産業と学術の両方から大きな関心を集めている。 ディープラーニングの急速な進歩は、視覚中心のBEV知覚問題に対処する多くの方法の提案につながった。 しかし、この新奇な研究分野を包括する最近の調査は行われていない。 今後の研究を促進するために,視覚中心のBEV知覚とその拡張における最新の展開に関する包括的調査を行った。 最新の知識をコンパイルして整理し、体系的なレビューと一般的なアルゴリズムの要約を提供する。 さらに,様々なBEV知覚タスクの詳細な分析と比較結果を提供し,今後の成果の評価を容易にし,新たな研究方向性を創出する。 さらに,本論文では,関連するアルゴリズムの進歩を支援するための実証的実装の詳細を論じ,共有する。

関連論文リスト

• Fairness and Bias Mitigation in Computer Vision: A Survey [61.01658257223365]
  コンピュータビジョンシステムは、高精細な現実世界のアプリケーションにますますデプロイされている。 歴史的または人為的なデータにおいて差別的な傾向を伝播または増幅しないことを確実にする必要がある。 本稿では,コンピュータビジョンの文脈における現在進行中の傾向と成功をまとめた,公平性に関する総合的な調査を行う。
  論文  参考訳（メタデータ） (2024-08-05T13:44:22Z)
• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• A Survey on Occupancy Perception for Autonomous Driving: The Information Fusion Perspective [20.798308029074786]
  3D占有感技術は、自動運転車の密集した3D環境を観察し理解することを目的としている。 従来の鳥眼視(BEV)と同様に、3D占有感は多ソース入力の性質と情報融合の必要性を持っている。
  論文  参考訳（メタデータ） (2024-05-08T16:10:46Z)
• Data-driven Innovation: Understanding the Direction for Future Research [0.0]
  我々は、データ駆動イノベーション現象を理解するために、文献の体系的で包括的なレビューを行う。 本研究の成果は,知識体系のギャップを判断する上で,また,実践者がデータ戦略を改善する上でも有用である。
  論文  参考訳（メタデータ） (2022-12-04T22:17:23Z)
• Delving into the Devils of Bird's-eye-view Perception: A Review, Evaluation and Recipe [115.31507979199564]
  鳥眼視(BEV)における知覚タスクの強力な表現の学習は、産業と学界の両方から注目されつつある。 センサーの構成が複雑化するにつれて、異なるセンサーからの複数のソース情報の統合と、統一されたビューにおける特徴の表現が重要になる。 BEV知覚の中核的な問題は、(a)視点からBEVへの視点変換を通して失われた3D情報を再構成する方法、(b)BEVグリッドにおける基底真理アノテーションの取得方法、(d)センサー構成が異なるシナリオでアルゴリズムを適応・一般化する方法にある。
  論文  参考訳（メタデータ） (2022-09-12T15:29:13Z)
• Deep Learning to See: Towards New Foundations of Computer Vision [88.69805848302266]
  この本はコンピュータビジョンの分野における科学的進歩を批判している。 情報に基づく自然法則の枠組みにおける視覚の研究を提案する。
  論文  参考訳（メタデータ） (2022-06-30T15:20:36Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Efficient Visual Recognition with Deep Neural Networks: A Survey on Recent Advances and New Directions [37.914102870280324]
  ディープニューラルネットワーク(DNN)は、多くの具体的なタスクにおけるパフォーマンスを大幅に向上させた。 ディープニューラルネットワーク(DNN)は、多くの具体的なタスクにおけるパフォーマンスを大幅に向上させた。 本稿では,近年の進歩の展望と今後の方向性について提案する。
  論文  参考訳（メタデータ） (2021-08-30T08:19:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。