揭示过去信息：合作式鸟瞰预测的时态嵌入
内容提要
该文综述BEV感知研究，涵盖多代理多摄像头协同BEV地图预测（CoBEVT）、利用未标记图像的半监督视觉BEV语义分割、时空融合BEV表征（TBP-Former）、异步协同感知消息补偿（CoBEVFlow）、时空统一BEV表示学习（BEVFormer）、三维感知与预测统一（BEVerse），以及基于深度的两阶段语义分割、轨迹预测系统和动态BEV查询方法。
延伸解读
多代理协同感知的进展
文章介绍了CoBEVT和CoBEVFlow两个多代理协同感知框架。CoBEVT在V2V数据集OPV2V上实现了合作BEV语义分割的最先进性能，并可扩展至单代理多摄像头和多代理LiDAR任务。CoBEVFlow则通过BEV流补偿异步协同感知消息，处理不规则时间戳，在IRV2V和DAIR-V2X数据集上验证了鲁棒性。这些工作表明协同感知正成为提升自动驾驶感知能力的重要方向。
时空融合与统一BEV表示
TBP-Former和BEVFormer都致力于时空融合的BEV表示学习。TBP-Former通过基于时间的俯视图金字塔变换器实现多摄像头视图和时间戳的特征同步，在nuScenes上优于现有视觉预测方法。BEVFormer使用时空变形器学习统一BEV表示，在nuScenes测试集达到56.9%的最新技术水平，并在低能见度下提升速度估计和对象召回。这些方法凸显了时空信息融合对提升感知性能的关键作用。
多任务统一与半监督学习
BEVerse提出了统一三维感知和预测的框架，通过多相机视频生成时空BEV表示，同时推理多个自动驾驶任务，在nuScenes上相比单任务方法在3D检测、语义地图构建和运动预测上表现更好且更高效。另一项工作则探索半监督视觉BEV语义分割，利用未标记图像和一致性损失提升性能，在nuScenes和Argoverse上验证有效性。这些方向展示了BEV感知在任务统一和数据效率上的潜力。
Q&A
CoBEVT 是什么？它有什么主要特点？
CoBEVT 是一个通用的多代理多摄像头感知框架，能够协同生成 BEV 地图预测。它在 V2V 感知数据集 OPV2V 上实现了合作 BEV 语义分割的最先进性能，并可应用于单代理多摄像头 BEV 分割和多代理 LiDAR 系统的 3D 对象检测，实现实时推理速度和最先进的性能。
如何利用未标记图像提升视觉 BEV 语义分割性能？
通过一种新颖的半监督框架，利用未标记图像在训练过程中提高视觉 BEV 语义分割性能。该框架包括使用一致性损失约束模型在语义预测和 BEV 特征上，以及一种名为联合旋转的数据增强方法，在保持前视图像与 BEV 语义分割之间几何关系的同时扩充数据集。在 nuScenes 和 Argoverse 数据集上的实验证明了其有效性。
TBP-Former 是什么？它解决了什么问题？
TBP-Former 是一种基于时间的俯视图金字塔变换器，用于实现空时融合 BEV 表征。它支持长距离融合，具有时变自适应权重，能有效避免传统方法中的信息丢失并充分利用功能，同时实现地图分割任务的最优性能。在 nuScenes 数据集上表现优于所有最先进的基于视觉的预测方法。
CoBEVFlow 如何处理异步协同感知消息？
CoBEVFlow 通过鸟瞰流（BEV flow）对异步协同感知消息进行补偿，提出了一种异步鲁棒的基于 3D 视觉感知系统。它能够处理不规则、连续时间戳的协同感知消息，而不需要离散化，并且只传输原始感知特征而不引入额外噪音。在 IRV2V 和 DAIR-V2X 数据集上的实验证明了其有效性和对极端异步情况的鲁棒性。
BEVFormer 框架有什么创新和性能表现？
BEVFormer 是一个学习使用时空变形器的统一 BEV 表示的框架，支持多个自主驾驶感知任务。在 nuScenes 测试集中，该方法达到了 56.9% 的最新技术水平，并且在低能见度条件下显著提高了速度估计和对象召回的准确性。
BEVerse 如何统一三维感知和预测？
BEVerse 是一个基于多相机系统的统一三维感知和预测框架，通过对多相机视频生成空间-时间鸟瞰（BEV）表示，并同时推理多个自动驾驶视觉任务。在 nuScenes 数据集上的实验表明，与现有的单任务方法相比，多任务 BEVerse 在 3D 物体检测、语义地图构建和运动预测方面表现更好，同时比时序范例更加高效。
