인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Bird’s Eye View (BEV) representation is critical for perception in autonomous driving, enabling effective spatial reasoning and understanding of agent interactions. Learning rich BEV features directly is challenging, motivating the use of distillation to guide the encoder’s training. While conventional distillation requires a separate teacher model, self-target BEV distillation model has been proposed to generate targets from the encoder itself using a diffusion process. However, especially in forward projection models, where depth prediction and feature projection introduce reconstruction challenges, the diffusion- generated target features do not correspond to features the encoder can reliably learn. To address this limitation, we propose a view-mask loss that selectively applies the distillation loss to regions the encoder can reliably reconstruct, aligning the training objective with the encoder’s capability. Experiments on 3D object detection demonstrate that our method achieves improved performance compared to standard L2-based loss in self-target BEV distillation method, producing sharper and more effectively distilled BEV representations.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095662092
