Connecting the dots Connecting the dots

이 사람 글은 참 좋다. 정리도 할 겸 gpt 도움을 받아 번역은 또 진행해본다. 출처는 아래 글이다. https://towardsdatascience.com/bev-perception-in-mass-production-autonomous-driving-c6e3f1e46ae0 BEV Perception in Mass Production Autonomous Driving The recipe of XNet, Xpeng’s BEV perception architecture towardsdatascience.com 아래 글을 번역해보면서 느낀것은 중국이 자율주행 부분에서 우리나라 보다 더 잘하고 방법도 훨씬더 좋은것 같다. 걱정이긴하다...... 암튼 스타트업이 이렇게하는거 보면 대단하면서 부럽다. 추가 BEV..

tesla ai 에서 알게된 regnet네트워크가 궁금해서 gpt의 도움으로 네트워크 논문을 번역해봤다. 근데 이해가 되지 않는다. 어렵다....ㅡㅡ... 시간날때 마다 여러번 읽어봐야겠음. --- 질문? We design the RegNet design space in a low-compute, low-epoch regime using a single network block type on ImageNet [3]. RegNet 설계할때 ImageNet에 있는 블럭을 사용하는것인가? --- Abstract 이 연구에서는 새로운 네트워크 디자인 패러다임을 제시합니다. 우리의 목표는 네트워크 디자인의 이해를 발전시키고 다양한 환경에서 일반화되는 디자인 원칙을 발견하는 데 도움을 주는 것입니다. 개별 네트워크..

[박수] 감사합니다 andrej 안녕하세요 여러분 제 이름은 ashok입니다. 저는 계획을 이끌고 자동 레이블 지정 및 시뮬레이션 팀을 제어하므로 on dimension과 같이 시각적 네트워크는 밀도가 높은 비디오 데이터를 가져온 다음 이를 3d 벡터 공간으로 압축합니다. 이제 플래너의 역할입니다. 2019년에도 우리 지구는 꽤 유능한 운전자였습니다. 차선에 머물 수 있었습니다. 필요에 따라 차선을 변경합니다. 1:13:41 고속도로에서 출구로 나가지만 cdc 운전은 훨씬 더 복잡합니다 래들리에는 구조화된 차선이 있습니다 um 차량은 운전에서 훨씬 더 자유롭게 할 수 있으며 자동차는 모든 커튼과 횡단 차량 및 보행자가 재미있는 일을 하는 것에 응답해야 합니다 핵심 문제는 무엇입니까 첫 번째 계획에서 작업..

https://www.youtube.com/watch?v=j0z4FweCy4M&t=3679s 자율주행 AI에서 Andrej part는 참 좋다. 이해하기 힘들지만 gpt의 도움을 받아 우선 번역을 해봤다. 참좋은 세상이다. 제 이름은 Andrej이고 저는 여기 Tesla 자동 조종 장치에서 비전 팀을 이끌고 있습니다. 이 섹션을 시작하게 되어 매우 기쁩니다. 자동 조종 장치 스택에 대한 기술적인 심층 분석을 제공하고 후드 아래에 있는 모든 것을 보여드리겠습니다. 자동차가 스스로 운전하도록 만드는 구성 요소 그래서 우리는 지금 여기 분할 구성 요소에서 비전 구성 요소로 시작할 것입니다. 우리가 하려는 것은 원시 정보를 처리하는 신경망을 설계하려고 하는 것입니다. 우리의 경우 8개의 카메라 {comment}..

tesla 에서 calibration 관련해서 roll pitch yaw에 대한 calibration을 하지 말고 rectification layer를 이용해서 가상의 카메라로 보정을 하자고 얘기하고 있다. 즉 이미지 보정을 rectification matrices 를 사용하자는 의미로 들렸다. 여기서 논문들을 찾아보면 멀티카메라일때는 가능한것 같다. A compact algorithm for rectification of stereo pairs https://web.archive.org/web/20150923214615/http://www.diegm.uniud.it/fusiello/papers/00120016.pdf 아래 논문이 괜찮은것 같아서 우선 링크 걸어논다. 논문을 보면 기존 intrinsic ..

tesla 에서 발표한 occupancy network을 공부하던중 BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers 해당 논문이 근간이 되는 논문인것 같아서 chat gpt 의 도움을 받아 번역해봄. Tesla AI day 나온 BEV transform은 다른 방식 일 수 있지만 해당 논문이 가장 근접한 것 같음. 원문을 읽고 공부해야하지만 번역본을 읽어 보고 감을 잡고 하면 좋을것 같아서 번역해봄. 요약 자율 주행 시스템에서 3D 탐지 및 지도 분할과 같은 3D 시각 인식 작업은 필수적입니다. 이 연구에서는 다중 카메라 이미지를 기반으로 한 통합 BEV 표현을..

https://towardsdatascience.com/vision-centric-semantic-occupancy-prediction-for-autonomous-driving-16a46dbd6f65 Vision-centric Semantic Occupancy Prediction for Autonomous Driving A literature review of the academic “Occupancy Network” as of 2023H1 towardsdatascience.com Tesla 에서 Occupancy Network이라는 것 소개한 후 그냥 궁금해서 조사를 해봤고 위 사이트가 정리가 잘되어 있길래 번역을 해봤다. 자세한 내용은 위 사이트를 참조하면 됨. 참고로 번역은 chatgpt가 함. 세..