自动驾驶

Benchmarking Vision Foundation Models for Input Monitoring in Autonomous Driving

在自动驾驶中基于视觉基础模型的输入监控基准测试

Mert Keser, Halil Ibrahim Orhan, Niki Amini-Naieni, Gesina Schwalbe, Alois Knoll, Matthias Rottmann

机构 * Continental AG（大陆汽车集团） ； Technical University of Munich（慕尼黑技术大学） ； University of Lübeck（吕贝克大学） ； University of Oxford（牛津大学） ； University of Wuppertal（伍珀塔尔大学） 纠错

专题命中 仿真评测 ：autonomous driving(title)；分类 cs.CV

AI总结 本文提出了一种基于视觉基础模型和密度建模技术的统一方法，用于检测语义和协变量偏移，通过全面基准测试评估了VFM在复杂条件下的OOD分类能力，并证明其在识别高风险输入方面优于现有方法。

Intermittent two-phase flow in porous media: insights from pore-scale direct numerical simulation

孔隙介质中间歇两相流：来自孔尺度直接数值模拟的见解

Alexandra Karabasova, Sajjad Foroughi, Martin J. Blunt, Branko Bijeljic

专题命中 仿真评测 ：occupancy(abstract)

AI总结 研究通过孔尺度直接数值模拟揭示了多相流中间歇性现象，展示了压力重分布与非润湿相流动的强耦合，阐明了间歇性如何导致从线性到亚线性区域的转变。