论文页面 - OpenLongTail: 长尾驾驶数据的生成式扩展

来源：https://huggingface.co/papers/2607.09655 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

扩展鲁棒驾驶策略的根本瓶颈在于 curated 数据集中边缘案例的稀缺性。虽然真实世界持续捕捉着这些关键事件，但当从异构来源收集时，此类长尾事件仍未得到充分利用。具体而言，多样但宝贵的野外长尾视频缺乏训练策略模型所需的完整视角覆盖，通常缺少多视角位姿，或仅来自单目行车记录仪。这种模态差距阻碍了将这些普遍存在的观测转化为用于长尾泛化的可扩展训练数据。我们提出 OpenLongTail，这是一个开源生成式数据引擎，用于在长尾事件下扩展自动驾驶策略。为了将异构数据源转换为视角对齐且时序连贯的多视角资产，从而可用于策略学习，我们开发了一个基于位姿的外推式视图合成流水线，以生成缺失的视角。我们通过将 Plücker 射线几何注入可扩展的生成引擎，进一步增强新生成视角的跨视角一致性和时序对齐。通过合成异构长尾数据，我们观察到在应对长尾事件时，闭环驾驶鲁棒性得到了显著提升。通过测量外推视图合成与位姿指标，我们验证了 OpenLongTail 在视觉保真度、跨视角一致性以及自车轨迹恢复方面的有效性。

查看 arXiv 页面 (https://arxiv.org/abs/2607.09655) 查看 PDF (https://arxiv.org/pdf/2607.09655) 项目页面 (https://openlongtail.github.io/) GitHub (https://github.com/phai-lab/OpenLongTail) 添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.09655)

在你的 agent 中获取这篇论文：

hf papers read 2607.09655

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

无模型关联此论文

请在模型 README.md 中引用 arxiv.org/abs/2607.09655 以在此页面中建立链接。

引用此论文的数据集 0

无数据集关联此论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.09655 以在此页面中建立链接。

引用此论文的空间 0

无空间关联此论文

请在空间 README.md 中引用 arxiv.org/abs/2607.09655 以在此页面中建立链接。

包含此论文的收藏集 0

无收藏集包含此论文

请将这篇论文添加至一个收藏集 (https://huggingface.co/new-collection) 以在此页面中建立链接。