神龙王
神龙王是Uber Atg多伦多的研雷竞技是骗人的究科学家，致力于自行车开发。他也是多伦多大学的博士生。他的顾问是Raquel Urtasun教授。他对计算机愿景，机器学习和机器人具有广泛的兴趣。他对3D Vision和深层结构化模型特别感兴趣。
雷竞技是骗人的调查报告
高效的图表生成与图形复发注意网络
R. Liao.，李，y。歌曲，S.王，C. Nash，W.L. Hamilton，。Duvenaud，R. Urtasun.，R.S.Zemel.
我们提出了一个新的高效和富有表现力的工艺模型的图表，称为图形复发性注意网络（GRANS）。在标准基准测试中，我们的模型在以前的最先进的情况下产生了可比的质量的图表，并且至少是速度更快的数量级。[PDF]
神经信息处理系统会议（神经潜艇），2019年
我们提出了一个新的高效和富有表现力的工艺模型的图表，称为图形复发性注意网络（GRANS）。在标准基准测试中，我们的模型在以前的最先进的情况下产生了可比的质量的图表，并且至少是速度更快的数量级。[PDF]
神经信息处理系统会议（神经潜艇），2019年
DeepPruner：通过可微分的斑点学习高效立体声匹配
S. Duggal.那S.王那厕所。嘛那r. hu那R. Urtasun.
我们提出了一种使用立体图像对的实时密集深度估计方法，该方法利用可分辨率的补丁匹配来逐步修剪立体声匹配搜索空间。尽管实时运行，但我们的模型尽管运行，但仍然可以在基蒂基准上实现竞争性能。[PDF]
计算机愿景国际会议（ICCV.），2019年
我们提出了一种使用立体图像对的实时密集深度估计方法，该方法利用可分辨率的补丁匹配来逐步修剪立体声匹配搜索空间。尽管实时运行，但我们的模型尽管运行，但仍然可以在基蒂基准上实现竞争性能。[PDF]
计算机愿景国际会议（ICCV.），2019年
DSIC：深度立体图像压缩
J.刘那S.王那R. Urtasun.
我们设计一种用于压缩立体图像对的新颖架构，其尝试从第一图像中提取尽可能多的共享信息，以便减少第二图像的比特率。我们在低比特率下展示了令人印象深刻的30-50％比特率。[PDF]
计算机愿景国际会议（ICCV.），2019年
我们设计一种用于压缩立体图像对的新颖架构，其尝试从第一图像中提取尽可能多的共享信息，以便减少第二图像的比特率。我们在低比特率下展示了令人印象深刻的30-50％比特率。[PDF]
计算机愿景国际会议（ICCV.），2019年
学习通过压缩二进制地图本地化
X. Wei，I. A.Bârsan.那S.王那J. Martinez.那R. Urtasun.
将当前本地化系统扩展到大型环境的主要困难之一是地图所需的板载存储。在本文中，我们建议学习压缩地图表示，使其是对本地化任务的最佳状态。[...][PDF]
计算机愿景和模式识别会议（CVPR.），2019年
将当前本地化系统扩展到大型环境的主要困难之一是地图所需的板载存储。在本文中，我们建议学习压缩地图表示，使其是对本地化任务的最佳状态。[...][PDF]
计算机愿景和模式识别会议（CVPR.），2019年
道路边界提取的卷积经常性网络
J.梁那N. Homayounfar.那S.王那厕所。嘛那R. Urtasun.
创建包含场景静态元素精确信息的高定义映射对于使自动驾驶汽车安全地驱动即可至关重要。在本文中，我们解决了激光器和相机图像的可驱动道路边界提取问题。[...][PDF]
计算机愿景和模式识别会议（CVPR.），2019年
创建包含场景静态元素精确信息的高定义映射对于使自动驾驶汽车安全地驱动即可至关重要。在本文中，我们解决了激光器和相机图像的可驱动道路边界提取问题。[...][PDF]
计算机愿景和模式识别会议（CVPR.），2019年
使用激光雷达强度图学习本地化
I.Bârsan.那S.王那A. Pokrovsky.那R. Urtasun.
在本文中，我们提出了一种用于自动驾驶汽车的实时，校准 - 不可知和有效的本地化系统。我们的方法学会嵌入在线激光乐扫描和强度映射到一个关节深度嵌入空间。[...][PDF]
机器人学习会议（科尔），2018年
在本文中，我们提出了一种用于自动驾驶汽车的实时，校准 - 不可知和有效的本地化系统。我们的方法学会嵌入在线激光乐扫描和强度映射到一个关节深度嵌入空间。[...][PDF]
机器人学习会议（科尔），2018年
深度多传感器车道检测
M. Bai.那G. Mattyus.那N. Homayounfar.那S.王那S. K. Lakshmikanth.那R. Urtasun.
可靠和准确的车道检测是自主驾驶领域的长期问题。近年来，已经开发了许多方法，用图像（或视频）作为图像空间中的输入和原因使用。在本文中，我们认为准确的图像估计不会转化为精确的3D车道边界，这是现代运动规划算法所需的输入。[...][PDF]
智能机器人和系统国际会议（伊索斯），2018年
可靠和准确的车道检测是自主驾驶领域的长期问题。近年来，已经开发了许多方法，用图像（或视频）作为图像空间中的输入和原因使用。在本文中，我们认为准确的图像估计不会转化为精确的3D车道边界，这是现代运动规划算法所需的输入。[...][PDF]
智能机器人和系统国际会议（伊索斯），2018年
多传感器3D对象检测的深度连续融合
梁那B.阳那S.王那R. Urtasun.
在本文中，我们提出了一种新型的3D对象探测器，可以利用LIDAR以及相机来执行非常准确的本地化。为了实现这一目标，我们设计了一个端到端的学习架构，用于利用不同级别的熔断器图像和LIDAR在不同级别的分辨率下映射的持续卷曲。[...][PDF]
欧洲电脑视觉会议（ECCV.），2018年
在本文中，我们提出了一种新型的3D对象探测器，可以利用LIDAR以及相机来执行非常准确的本地化。为了实现这一目标，我们设计了一个端到端的学习架构，用于利用不同级别的熔断器图像和LIDAR在不同级别的分辨率下映射的持续卷曲。[...][PDF]
欧洲电脑视觉会议（ECCV.），2018年
深度参数持续卷积神经网络
S.王那S. Suo.那W. ma.那A. Pokrovsky.那R. Urtasun.
我们提出了一种对象实例的半自动注释方法。虽然大多数当前方法将对象分段视为像素标记问题，但我们在这里将其投用为多边形预测任务，模拟了大多数当前数据集的注释方式。[...][PDF]
计算机愿景和模式识别会议（CVPR.），2018年
我们提出了一种对象实例的半自动注释方法。虽然大多数当前方法将对象分段视为像素标记问题，但我们在这里将其投用为多边形预测任务，模拟了大多数当前数据集的注释方式。[...][PDF]
计算机愿景和模式识别会议（CVPR.），2018年
通过观察太阳和其他语义线索来找到你的方式
厕所。嘛那S.王，M. Brubaker，S. Fidler，R. Urtasun.
在本文中，我们为自我定位提供了一种强大，有效和实惠的方法，这些方法不需要GPS，也不需要了解世界外观。为了实现这一目标，我们利用自由的发言人地图，并得出了一种概率模型，以太阳方向，交叉路口，道路类型，速度限制以及自我汽车轨迹的形式利用语义线索，以产生非常可靠的方式本地化结果。[...][PDF]
机器人与自动化国际会议（ICRA.），2017年
在本文中，我们为自我定位提供了一种强大，有效和实惠的方法，这些方法不需要GPS，也不需要了解世界外观。为了实现这一目标，我们利用自由的发言人地图，并得出了一种概率模型，以太阳方向，交叉路口，道路类型，速度限制以及自我汽车轨迹的形式利用语义线索，以产生非常可靠的方式本地化结果。[...][PDF]
机器人与自动化国际会议（ICRA.），2017年
torontocity：看到百万只眼睛的世界
S.王;M. Bai.;G. Mattyus.;H.楚;W. Luo.;B.阳;J.梁;J. Cheverie.;R. Urtasun.;D. Lin.。
尽管近年来存在实质性的进展，但图像标题技术仍然远非完美。现有方法产生的句子，例如，基于RNN的人通常会过度僵化，缺乏可变性。[...][PDF]
计算机愿景国际会议（ICCV.），2017年
尽管近年来存在实质性的进展，但图像标题技术仍然远非完美。现有方法产生的句子，例如，基于RNN的人通常会过度僵化，缺乏可变性。[...][PDF]
计算机愿景国际会议（ICCV.），2017年
