维Djuric

m . Niedobah·崔k·罗,d .对冲基金,F.-C。周,n Djuric
本文采用两种新的方法对交通行动者的预测进行了改进:越野损失和行动类别增加。通过惩罚不现实的越野预测，越野损失恭维了传统的L2距离损失。[PDF]
神经信息处理系统会议(NeurIPS), 2019

n Djuric诉Radosavljevic,h·崔, t·阮F.-C。周,郭宏源。林，辛格，施耐德
我们引入一种考虑当前世界状态的方法，并产生每个交通行动者附近的栅格化表示。然后，栅格图像被用作深度卷积网络的输入，以推断参与者未来的运动，同时也考虑和捕捉预测任务的固有不确定性，通过对真实数据的大量实验，强烈表明了所提出的方法的好处。[PDF]
计算机视觉应用冬季会议(WACV), 2020

f .周,郭宏源。林,h·崔诉Radosavljevic,t .阮,t .黄、M. Niedoba、J. Schneider、n Djuric
自动驾驶汽车(SDV)的下一个关键组成部分是对交通行动者的检测和跟踪，预测他们未来的运动，使SDV能够在其环境中安全高效地移动。当涉及到易受伤害的道路使用者(例如行人和骑自行车的人)时，这一点尤其重要。我们提出了一种用于预测VRU运动的深度学习方法，其中我们将高清地图和行为人的环境栅格化为鸟瞰图，用作卷积网络的输入。[…][PDF]
MLITS工作坊@神经信息处理系统(NeurIPS), 2018年

h·崔诉Radosavljevic,f .周,郭宏源。林,t .阮,t .黄j·施耐德,n Djuric
自动驾驶是机器人和人工智能领域目前面临的最大问题之一，无论是难度还是潜在的社会影响。自动驾驶汽车有望防止交通事故，拯救数百万人的生命，同时改善更多的人的生计和生活质量。[…][PDF]
国际机器人和自动化会议)举行(“国际机器人与自动化会议”,2019年