网盘截图:

课程目录:


├── 三、占用网络的应用
│ ├── 002.3.1 Occupancy Networks应用场景_ev.mp4
│ ├── 002.3.1 Occupancy Networks应用场景_20240604103005.pptx
│ ├── 004.3.3 代码实战_20240604103450.pptx
│ ├── 003.3.2 Occupancy Networks后处理_20240604103227.pptx
│ ├── 003.3.2 Occupancy Networks后处理_ev.mp4
│ ├── 004.3.3 代码实战_ev.mp4
├── 六、占用网络前沿探索
│ ├── 001.6.1 Radiance Field 和Occupancy_ev.mp4
│ ├── 002.6.2 NeRF监督Occupancy Networks_ev.mp4
├── 四、多传感器和占用网络模型
│ ├── 002.4.1 多传感器硬件介绍_ev.mp4
│ ├── 008.4.7 基于Occupancy的多传感器前融合(上)_ev.mp4
│ ├── 011.4.9.2 从稀疏到稠密实战part2_ev.mp4
│ ├── 007.4.6 超声波雷达和BEV_ev.mp4
│ ├── 003.4.2 基于Camera方案的Occ网络(上)_20240604103831.pptx
│ ├── 006.4.5 毫米波雷达和BEV_ev.mp4
│ ├── 010.4.9.1 从稀疏到稠密实战part1_ev.mp4
│ ├── 003.4.2 基于Camera方案的Occ网络(上)_ev.mp4
│ ├── 009.4.8 基于Occupancy的多传感器前融合(下)_ev.mp4
│ ├── 004.4.3 基于Camera方案的Occ网络(下)_ev.mp4
│ ├── 005.4.4 激光雷达和BEV_ev.mp4
│ ├── 002.4.1 多传感器硬件介绍_20240604103648.pptx
├── 五、占用网络优化
│ ├── 006.5.5 预训练Occ-BEV详解_ev.mp4
│ ├── 004.5.3 VoxFormer详解_ev.mp4
│ ├── 002.5.1 FB-OCC算法详解_ev.mp4
│ ├── 005.5.4 OccFormer详解_ev.mp4
│ ├── 003.5.2 TPVFormer算法详解_ev.mp4
├── 二、占用网络如何训练?
│ ├── 004.2.3 Occupancy Head_20240604102238.pptx
│ ├── 006.2.5 代码实战_ev.mp4
│ ├── 005.2.4 训练策略_20240604102444.pptx
│ ├── 002.2.1 本章内容介绍_ev.mp4
│ ├── 006.2.5 代码实战_20240604102546.pptx
│ ├── 005.2.4 训练策略_ev.mp4
│ ├── 003.2.2 BEV架构基础_20240604102158.pptx
│ ├── 004.2.3 Occupancy Head_ev.mp4
│ ├── 003.2.2 BEV架构基础_ev.mp4
│ ├── 002.2.1 本章内容介绍_20240604101915.pptx
├── 一、占用网络概述
│ ├── 006.1.7 代码实战_ev.mp4
│ ├── 004.1.4 Occupancy数据结构_ev.mp4
│ ├── 002.1.1-1.2 课程介绍和内容设计_ev.mp4
│ ├── 003.1.3 为什么需要Occupancy Networks?_ev.mp4
│ ├── 005.1.5-1.6 评测指标与开源数据集_ev.mp4
│ ├── 007.1.8 代码讲解补充_ev.mp4
├── 第一章.ppt

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。