vision-foundation-model

DriveZero 是一个端到端自动驾驶系统，它结合了用于感知的视觉基础模型和用于行动的强化学习，实现了超越人类演示的驾驶行为，并在 nuPlan 和 NAVSIM 等基准测试中取得了最先进的性能。

V-RAE提出了一种视频表示自编码器，它从冻结的视觉表示中构建语义组织的潜在表示，以提升视频生成质量、收敛速度和预测建模。

本文提出Geo-Anchored Cloud Removal (GACR)框架，利用观测锚定残差流和地理上下文先验对齐，从光学遥感图像中去除云层，同时保留语义结构以支持下游任务。