Jiahui Huang
NVIDIA
収録論文 6本 ・ フィジカルAI/ロボット学習
3Dシーン生成自動運転/VLA3D知覚世界モデル3D再構成視覚オドメトリ
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- LucidLyra: マルチタスク蒸留によるフィードフォワード生成3Dシーン再構成と統合的理解3Dシーン生成2026/10/29
動画拡散モデルと2D基盤モデルの知識を蒸留し、単一画像や動画から意味・インスタンス情報を持つ3Dガウシアンシーンをフィードフォワードで生成・理解するフレームワーク。
- Xiaomi OneVL: ワンステップ潜在推論と視覚言語説明によるプランニング自動運転/VLA2026/4/1
自動運転のVLAモデルにおいて、潜在推論を視覚世界モデルで強化し、明示的CoTを超える精度を実現しつつ、推論速度を回答のみの予測と同等に高速化したフレームワークを提案した。
- ViPE: 3D幾何知覚のための動画ポーズ推定エンジン3D知覚2025/8/1
未校正の生動画からカメラ内部パラメータ・運動・密な深度を推定する汎用エンジンViPEを提案し、大規模動画データセットに正確な3Dアノテーションを付与して公開した。
- 物理AIのためのCosmos世界基盤モデルプラットフォーム世界モデル2025/1/1
物理AI開発者向けに、カスタマイズ可能な世界モデルを構築するための基盤モデル・動画キュレーション・トークナイザを提供するオープンソースプラットフォーム。
- DI-Fusion: 深層事前分布を用いたオンライン暗黙的3D再構成3D再構成2020/12/1
RGB-Dカメラ向けに、局所形状と不確かさを深層ネットワークで表現する確率的局所暗黙ボクセル(PLIVox)を提案し、省メモリで高精度なオンライン3D再構成とカメラ軌跡推定を実現した。
- 動的物体クラスタリングと自己・周囲の視覚オドメトリ推定を同時に行うステレオVO視覚オドメトリ2020/3/1
ステレオ画像からカメラ自身と周囲の動く物体をオンラインでクラスタリングし、それぞれの動きを同時に推定する視覚オドメトリ手法を提案した論文。
