自动驾驶

U-ViLAR: Uncertainty-Aware Visual Localization for Autonomous Driving via Differentiable Association and Registration

U-ViLAR：基于可微关联和注册的不确定性感知视觉定位

Xiaofan Li, Zhihao Xu, Chenming Wu, Zhao Yang, Yumeng Zhang, Jiang-Jiang Liu, Haibao Yu, Fan Duan, Xiaoqing Ye, Yuan Wang, Shirui Li, Xun Sun, Ji Wan, Jun Wang

机构 * Baidu Inc.（百度公司） 纠错

专题命中 BEV与占用 ：autonomous driving(title,abstract)；BEV(abstract,abstract_cn)；分类 cs.RO、cs.CV

AI总结 U-ViLAR通过可微关联和注册方法，提升自动驾驶中视觉定位的鲁棒性和精度，实验表明其在多种定位任务中表现优异。

Comments Vision Localization, Autonomous Driving, Bird's-Eye-View

Attention-Augmented YOLOv8 with Ghost Convolution for Real-Time Vehicle Detection in Intelligent Transportation Systems

增强注意力的YOLOv8与Ghost卷积用于智能交通系统中的实时车辆检测

Syed Sajid Ullah, Muhammad Zunair Zamir, Ahsan Ishfaq, Salman Khan

机构 * School of Energy and Electrical Engineering, Chang’an University, Xi’an, China（能源与电气工程学院，长安大学，西安，中国） ； School of Information Engineering, Chang’an University, Xi’an, China（信息工程学院，长安大学，西安，中国） 纠错

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

AI总结 本文提出一种增强的YOLOv8n模型，结合Ghost模块、CBAM和DCNv2，提升车辆检测性能，实验显示在KITTI数据集上mAP@0.5达95.4%，优于基线模型8.97%。

Journal ref 10.32604/jai.2025.069008

MatchRDMA: A Segmented and Rate-Matched Long-Haul RDMA Scheme for Geo-distributed LLM Training over OTN

MatchRDMA：一种用于地理分布大语言模型训练的分段和速率匹配的长距离RDMA方案

Jun Dai, Xiaorun Wang, Xingde Li, Zheng Yang, Kexiong Fang, Zhiqun Gu, Hongxiang Wang, Yuefeng Ji, Jiawei Zhang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 MatchRDMA通过协调源和目的OTN速率，提升跨数据中心吞吐量达20倍，并减少目的OTN缓冲区占用62.7%。

Comments 4 pages, 3 figures

The Multinomial Allocation Model and the Random Box Load

多项式分配模型与随机箱负载

Serik Sagitov

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究重新审视随机分配模型，通过随机选择的箱负载形式化经典渐近结果，并推导出更弱假设下的余项双侧界。