开发者新闻 | 使用自监督学习重建动态驾驶场景

这给部署稳健的感知模型带来了挑战。AV 必须经过全面的训练、测试和验证，才能处理复杂的情况，而这需要涵盖此类情况的大量数据。

模拟为在现实世界中查找和收集此类数据提供了一种替代方案，而这需要非常耗时和成本。然而，大规模生成复杂的动态场景仍然是一个重大障碍。

在最近发表的一篇论文中，NVIDIA Research 展示了一种新的基于神经辐射场 (NeRF) 的方法（称为 EmerNeRF），它如何使用自监督学习准确生成动态场景。 通过自监督进行训练，EmerNeRF 不仅在处理动态对象时优于其他基于 NeRF 的方法，而且在处理静态场景时也表现出色。 有关更多详情，请参阅 EmerNeRF：通过自监督对紧急时空场景进行分解。

在与类似的 NeRF 一起运行 EmerNeRF 时，它将动态场景重建准确率提高 15%，静态场景提高 11%，此外，新颖的视图合成也提高了 12%。

全文链接：

https://developer.nvidia.com/blog/reconstructing-dynamic-driving-scenarios-using-self-supervised-learning/

NVIDIA 研究人员在 SIGGRAPH 亚洲实时直播活动中，展示了集成到交互式纹理绘制工作流程中的生成式 AI 技术。这项技术使艺术家能够直接在 3D 物体表面上绘制复杂、独一无二的纹理。

此原型展示了 AI 如何作为艺术家手中的画笔，而不仅仅是在高级用户的指导下生成完整的结果。它支持交互式地添加具有无限纹理变化和逼真过渡的局部细节。如果您错过了直播节目，请查看预录制版本的演示。