自动驾驶

XD-MAP: Cross-Modal Domain Adaptation via Semantic Parametric Maps for Scalable Training Data Generation

XD-MAP：通过语义参数地图实现跨模态领域适应以实现可扩展的训练数据生成

Frank Bieder, Hendrik Königshof, Haohao Hu, Fabian Immel, Yinzhe Shen, Jan-Hendrik Pauls, Christoph Stiller

机构 * KIT Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（FZI信息技术研究中心） 纠错

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.CV、eess.IV、cs.AI

AI总结 本文提出XD-MAP，通过语义参数地图将图像数据集中的传感器特定知识转移到LiDAR领域，无需手动标注即可提升多模态领域适应性能。

Comments 10 pages, 7 figures, 3 tables, accepted at CVPRW

MapATM: Enhancing HD Map Construction through Actor Trajectory Modeling

MapATM: 通过演员轨迹建模提升HD地图构建

Mingyang Li, Brian Lee, Rui Zuo, Brent Bacchus, Priyantha Mudalige, Qinru Qiu

机构 * Syracuse University（雪城大学） ； General Motors（通用汽车） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出MapATM，利用历史车辆轨迹信息提升车道检测精度，在NuScenes数据集上使车道分隔线AP提升4.6，mAP提升2.6，较基线方法提升10.1%和6.1%。

Comments 6 pages, 4 figures, 5 tables

Ψ-Map: Panoptic Surface Integrated Mapping Enables Real2Sim Transfer

Ψ-Map：全景表面集成映射实现真实到仿真转移

Xuan Yu, Yuxuan Xie, Changjian Jiang, Shichao Zhai, Rong Xiong, Yu Zhang, Yue Wang

机构 * Department of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） 纠错

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO

AI总结 Ψ-Map通过整合几何强化、端到端学习和高效渲染，实现大规模场景中高精度全景重建，兼顾几何精度与实时推理，满足机器人仿真需求。

Super-resolved reconstruction of single-photon emitter locations from $g^{(2)}(0)$ maps

从g^(2)(0)地图中超分辨重建单光子发射器位置

Sonali Gupta, Amit Kumar, Vikas S Bhat, Sushil Mujumdar

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出一种结合扫描g^(2)(0)映射技术和基于反演的重建算法，实现对单光子源位置的超分辨重建，克服传统共聚焦显微镜的分辨率限制，提高定位效率和准确性。

Comments 22 pages, 6 figures