Register and share your invite link to earn from video plays and referrals.

cv usk
@cv_usk
AI / Software Research Notes AI Agent, LLMOps, MLOps, Software Architecture 投稿は個人の意見です。
Joined May 2026
286 Following    470 Followers
TL;DR: 運転ワールドモデルで、透視映像と鳥瞰(BEV)映像を同時に生成することで、周囲の車両が自車の動きに反応する映像を作りやすくしました。 BirdDreams: Joint Perspective and BEV Video Generation for a Plausible, Reactive Driving World Model ポイント ・🚗 従来は周囲車両の軌道を外部入力にしていたため、ログ通りに固定されていました ・🗺️ 透視映像とBEV映像を同時に生成し、シーンのレイアウトを入力ではなく予測の一部にします ・🧠 2つの映像拡散Transformerが全ブロックで共同アテンションを行います(約40億パラメータ) ・🎲 ストリームごとに独立のノイズを与え、片方の情報をもう片方が使うことを学びます ・📉 行動条件ありのADEは、OmniDreams(Plücker)比で約35〜36%減と報告されています ・👥 人手の比較(25名)では、BirdDreamsが57%、OmniDreamsが24%で選ばれました ただし自車軌道は生成映像から再構成した値で、人手評価の比較対象は同じ道路形状を与えた設定に限られます。 #WorldModel# #AutonomousDriving#
Show more