DriveGenVLM：首个基于视觉语言模型的自动驾驶真实世界视频生成

文章预览

点击下方 卡片 ，关注“ 自动驾驶Daily ”公众号 戳我-> 领取近15个自动驾驶方向路线 今天自动驾驶Daily今天为大家分享一篇首个基于视觉语言模型的自动驾驶真实世界视频生成工作。如果您有相关工作需要分享，请在文末联系我们！ 自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一步咨询 >> 点击进入→ 自动驾驶Daily技术交流群 本文只做学术分享，如有侵权，联系删文 写在前面 & 个人理解 自动驾驶技术的进步需要越来越复杂的方法来理解和预测现实世界场景。视觉语言模型（VLMs）正作为具有显著潜力影响自动驾驶的革命性工具而崭露头角。本文提出了DriveGenVLM框架，用于生成驾驶视频并利用VLMs进行理解。为实现这一目标，采用了一种基于去噪扩散概率模型（DDPM）的视频生成框架，旨在预测现实世界中的视频序列。随后 ………………………………