Wei-Chiu MA

N. Homayounfar，，，，厕所。嘛\*，，，，J. Liang \*，，，，X. Wu，，，，J.粉丝，，，，R. Urtasun
我们通过将问题定为深度定向图形模型来绘制高速公路中的复杂车道拓扑。作为一个有趣的结果，我们可以在I40中训练我们的模型，并在SF中概括地看不见的高速公路。[PDF]
国际计算机愿景会议（ICCV），2019年

X. Zeng，R. Liao，L。Gu，，Y. Xiong，S。Fidler，R. Urtasun
我们提出了可区分的掩码匹配网络（DMM-NET），以求解提供初始实例掩码的视频实例分割问题。在戴维斯（Davis）2017年数据集中，DMM-net在第一帧上没有在线学习和第二次最佳性能就可以达到最佳性能。在没有任何微调的情况下，DMM-NET与Segtrack V2数据集上的最新方法相当地执行。[PDF]
国际计算机愿景会议（ICCV），2019年

S. Duggal，，，，S. Wang，，，，厕所。嘛，，，，R. Hu，，，，R. Urtasun
我们使用立体图像对提出了一种实时密集的深度估计方法，该方法利用可区分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，我们的模型仍在Kitti基准测试中取得了竞争性能。[PDF]
国际计算机愿景会议（ICCV），2019年

J. Liang，，，，N. Homayounfar，，，，S. Wang，，，，厕所。嘛，，，，R. Urtasun
创建包含场景静态元素精确信息的高清晰度地图对于使自动驾驶汽车安全驾驶至关重要。在本文中，我们解决了从激光雷达和摄像机图像中驱动的道路边界提取的问题。[...][PDF]
计算机视觉和模式识别会议（CVPR），2019年

厕所。嘛，，，，S. Wang，，，，R. Hu，，，，Y. Xiong，，，，R. Urtasun
在本文中，我们解决了自动驾驶背景下场景流估计的问题。我们利用深度学习技术以及强大的先验，就像在我们的应用领域一样，场景的运动可以通过机器人的运动和现场演员的3D运动来组成。[...][PDF]
计算机视觉和模式识别会议（CVPR），2019年

W. MA，H，Chu，B。Zhou，R. Urtasun，A。Torralba
我们建议对对象实例进行半自动注释的方法。尽管大多数当前方法将对象分割视为像素标记的问题，但我们在这里将其作为多边形预测任务施放，模仿了大多数当前数据集的注释方式。[...][PDF]
欧洲计算机视觉会议（ECCV），2018年

S. Wang，，，，S. Suo，，，，W. MA，，，，A. Pokrovsky，，，，R. Urtasun
我们建议对对象实例进行半自动注释的方法。尽管大多数当前方法将对象分割视为像素标记的问题，但我们在这里将其作为多边形预测任务施放，模仿了大多数当前数据集的注释方式。[...][PDF]
计算机视觉和模式识别会议（CVPR），2018年

N. Homayounfar，W。Ma，S。Lakshmikanth，R. Urtasun
在本文中，我们解决了从稀疏3D点云中提取在线道路网络的问题。我们的方法的灵感来自注释者如何构建车道图，首先识别有多少车道，然后依次绘制每个车道。[...][PDF]
计算机视觉和模式识别会议（CVPR），2018年

厕所。嘛，，，，S. Wang，M。Brubaker，S。Fidler，R. Urtasun
在本文中，我们提出了一种强大，高效且负担得起的自我定位方法，不需要GPS也不需要有关世界外观的知识。为了实现这一目标，我们利用免费可用的制图图，并得出一个概率模型，该模型以太阳方向的形式利用语义提示，交叉路口的存在，道路类型，速度限制以及自我卡车轨迹，以产生非常可靠的本地化结果。[...][PDF]
国际机器人与自动化会议（奇克），2017年

W. MA，，，，D.黄，，，，N. Lee，，，，K. Kitani
我们通过使用游戏理论编码多伴随互动的耦合性质以及基于深度学习的视觉分析来估计特定于人的行为参数来开发行人动力学的预测模型。但是，由于两个原因[...][PDF]
计算机视觉和模式识别会议（CVPR），2017年