Buchumschlag

LargeAD: Large-Scale Cross-Sensor Data Pretraining for Autonomous Driving

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kong, Lingdong, Xu, Xiang, Liu, Youquan, Cen, Jun, Chen, Runnan, Zhang, Wenwei, Pan, Liang, Chen, Kai, Liu, Ziwei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving
von: Xie, Shaoyuan, et al.
Veröffentlicht: (2024)

Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving
von: Kong, Lingdong, et al.
Veröffentlicht: (2024)

Enhanced Spatiotemporal Consistency for Image-to-LiDAR Data Pretraining
von: Xu, Xiang, et al.
Veröffentlicht: (2025)

La La LiDAR: Large-Scale Layout Generation from LiDAR Data
von: Liu, Youquan, et al.
Veröffentlicht: (2025)

Calib3D: Calibrating Model Preferences for Reliable 3D Scene Understanding
von: Kong, Lingdong, et al.
Veröffentlicht: (2024)

Are VLMs Ready for Autonomous Driving? An Empirical Study from the Reliability, Data, and Metric Perspectives
von: Xie, Shaoyuan, et al.
Veröffentlicht: (2025)

Multi-Space Alignments Towards Universal LiDAR Segmentation
von: Liu, Youquan, et al.
Veröffentlicht: (2024)

4D Contrastive Superflows are Dense 3D Representation Learners
von: Xu, Xiang, et al.
Veröffentlicht: (2024)

DynamicCity: Large-Scale 4D Occupancy Generation from Dynamic Scenes
von: Bian, Hengwei, et al.
Veröffentlicht: (2024)

U4D: Uncertainty-Aware 4D World Modeling from LiDAR Sequences
von: Xu, Xiang, et al.
Veröffentlicht: (2025)

Not All Points Are Equal: Uncertainty-Aware 4D LiDAR Scene Synthesis
von: Xu, Xiang, et al.
Veröffentlicht: (2026)

An Empirical Study of Training State-of-the-Art LiDAR Segmentation Models
von: Sun, Jiahao, et al.
Veröffentlicht: (2024)

Vision-Language-Action Models for Autonomous Driving: Past, Present, and Future
von: Hu, Tianshuai, et al.
Veröffentlicht: (2025)

3EED: Ground Everything Everywhere in 3D
von: Li, Rong, et al.
Veröffentlicht: (2025)

Veila: Panoramic LiDAR Generation from a Monocular RGB Image
von: Liu, Youquan, et al.
Veröffentlicht: (2025)

LiMoE: Mixture of LiDAR Representation Learners from Automotive Scenes
von: Xu, Xiang, et al.
Veröffentlicht: (2025)

OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation
von: Liu, Youquan, et al.
Veröffentlicht: (2026)

Online Analytic Exemplar-Free Continual Learning with Large Models for Imbalanced Autonomous Driving Task
von: Zhuang, Huiping, et al.
Veröffentlicht: (2024)

Advancing Off-Road Autonomous Driving: The Large-Scale ORAD-3D Dataset and Comprehensive Benchmarks
von: Min, Chen, et al.
Veröffentlicht: (2025)

CALMM-Drive: Confidence-Aware Autonomous Driving with Large Multimodal Model
von: Yao, Ruoyu, et al.
Veröffentlicht: (2024)

Perspective-Invariant 3D Object Detection
von: Liang, Ao, et al.
Veröffentlicht: (2025)

DSDrive: Distilling Large Language Model for Lightweight End-to-End Autonomous Driving with Unified Reasoning and Planning
von: Liu, Wenru, et al.
Veröffentlicht: (2025)

OpenESS: Event-based Semantic Scene Understanding with Open Vocabularies
von: Kong, Lingdong, et al.
Veröffentlicht: (2024)

TakeAD: Preference-based Post-optimization for End-to-end Autonomous Driving with Expert Takeover Data
von: Liu, Deqing, et al.
Veröffentlicht: (2025)

3DGS_LSR:Large_Scale Relocation for Autonomous Driving Based on 3D Gaussian Splatting
von: Lu, Haitao, et al.
Veröffentlicht: (2025)

Occ-LLM: Enhancing Autonomous Driving with Occupancy-Based Large Language Models
von: Xu, Tianshuo, et al.
Veröffentlicht: (2025)

ExpertAD: Enhancing Autonomous Driving Systems with Mixture of Experts
von: Jiang, Haowen, et al.
Veröffentlicht: (2025)

Learning to Generate 4D LiDAR Sequences
von: Liang, Ao, et al.
Veröffentlicht: (2025)

LiDARCrafter: Dynamic 4D World Modeling from LiDAR Sequences
von: Liang, Ao, et al.
Veröffentlicht: (2025)

GaussianFusion: Gaussian-Based Multi-Sensor Fusion for End-to-End Autonomous Driving
von: Liu, Shuai, et al.
Veröffentlicht: (2025)

MSC-Bench: Benchmarking and Analyzing Multi-Sensor Corruption for Driving Perception
von: Hao, Xiaoshuai, et al.
Veröffentlicht: (2025)

STELLAR: Scaling 3D Perception Large Models for Autonomous Driving
von: Li, Yingwei, et al.
Veröffentlicht: (2026)

RS2AD: End-to-End Autonomous Driving Data Generation from Roadside Sensor Observations
von: Xing, Ruidan, et al.
Veröffentlicht: (2025)

SubjectDrive: Scaling Generative Data in Autonomous Driving via Subject Control
von: Huang, Binyuan, et al.
Veröffentlicht: (2024)

Dynamically Local-Enhancement Planner for Large-Scale Autonomous Driving
von: Deng, Nanshan, et al.
Veröffentlicht: (2025)

Beyond One Shot, Beyond One Perspective: Cross-View and Long-Horizon Distillation for Better LiDAR Representations
von: Xu, Xiang, et al.
Veröffentlicht: (2025)

FRNet: Frustum-Range Networks for Scalable LiDAR Segmentation
von: Xu, Xiang, et al.
Veröffentlicht: (2023)

Asynchronous Large Language Model Enhanced Planner for Autonomous Driving
von: Chen, Yuan, et al.
Veröffentlicht: (2024)

CAFE-AD: Cross-Scenario Adaptive Feature Enhancement for Trajectory Planning in Autonomous Driving
von: Zhang, Junrui, et al.
Veröffentlicht: (2025)

LMMCoDrive: Cooperative Driving with Large Multimodal Model
von: Liu, Haichao, et al.
Veröffentlicht: (2024)