端到端模型的主流方案

一、表征特征

技术路线 核心思路 数据结构 代码成果
密集 BEV 栅格 多视角图像投影到Bev平面,形成像素级语义/占用网格,作为下游所有模块共享的特征。 规则密集张量 [H, W, C](2D BEV)或 [X, Y, Z, C](3D占用) BEVFormer(2022) BEVFusion(2022) OccNet(2023)
稀疏查询 可学习的 Query 表示目标和地图元素,避免对空白区域做无意义的密集计算。 固定长度嵌入集合 [N_q, D]:查询本身为抽象向量,可通过锚框或参考点绑定显式几何先验 DETR3D(2022) StreamPETR(2023) Sparse4D(2023) SparseDrive(2024) SparseAD(2024) HiPro-AD(2025)
矢量化表征 折线表示静态地图元素,边界框+轨迹表示动态目标,将场景建模为完全结构化的矢量元素集合,提供显示的实例级几何约束。 变长集合 [N, P, D]:[N_map, P_pts, D_pt](地图折线)、[N_agent, 1+T, D](目标框+轨迹) VectorNet(2020) VAD(2023)

二、感知输出

技术路线 核心思路 代表
Query-based 少量 Query 预测,天然避免 NMS,适合端到端。 DETR3D、SparseDrive
密集预测 对特征图每个位置独立分类/回归,输出密集语义。 BEVFormer 、OccNet

三、规控输出

技术路线 核心机制 代表
Query-based Query 表示候选轨迹或直接回归轨迹。 VAD、WoTE、SparseDrive
Diffusion-based 噪声中迭代去噪,采样多模态轨迹。 DiffusionDrive、VDRive
Autoregressive-based 将轨迹点作为序列,逐个自回归生成 ARTEMIS
相关推荐
f6m274dww2cmd8 小时前
拆一个类目第一的20个曝光词:43% 的搜索量来自第二页
人工智能
RobinDevNotes8 小时前
24GB Mac 做数字人:声音放本地,画面租云端
人工智能·python·macos·开发工具
user4465117917919 小时前
Agent 也能「过安检」:AgentScope 权限系统设计拆解
人工智能
烟小栀9 小时前
Windows下的深度学习环境配置参考及配置教程
人工智能
tellmewhoisi10 小时前
深度学习0:数学知识:最大似然推导过程
人工智能·深度学习·概率论
oil欧哟10 小时前
从产品经理视角拆解 DeepSeek Super-agent:双层路由与异步调度架构
人工智能
张张123y10 小时前
个人助手型 Agent 的六个工程细节:Hermes 与 OpenClaw 的审批、委派、上下文与调度
网络·人工智能·开源·后端开发·ai agent
Dawson Zhu10 小时前
【模型量化⑦】W4A8与GPTQ-Int4:极限压缩与MLC-LLM部署实战
人工智能·语言模型·架构·aigc·agi
千寻技术帮11 小时前
50055_基于AI的互帮互助小程序(源码+文档+数据库脚本+部署教程)
数据库·人工智能·小程序·毕业设计·springboot·课程设计
天树星智源11 小时前
KV 剪枝的同一个误差,模型确定时只改 1.4% 的 token,不确定时改 65%:接上不确定性,AIME25 端到端快 1.27 倍
人工智能·大模型