万字长文 | 多目标跟踪最新综述（基于Transformer/图模型/检测和关联/孪生网络）（下）
随着自动驾驶技术的发展，多目标跟踪已成为计算机视觉领域研究的热点问题之一。MOT 是一项关键的视觉任务，可以解决不同的问题，例如拥挤场景中的遮挡、相似外观、小目标检测困难、ID切换等。为了应对这些挑战，研究人员尝试利用transformer的注意力机制、利用图卷积神经网络获得轨迹的相关性、不同帧中目标与siamese网络的外观相似性，还尝试了基于简单 IOU 匹配的 CNN 网络、运动预测的 LSTM。为了把这些分散的技术综合起来，作者研究了过去三年中的一百多篇论文，试图提取出近年来研究者们更加关注的解决 MOT 问题的技术。
首篇《深度学习不确定性量化: 技术、应用与挑战》2020综述论文，61页pdf582篇文献
在优化和决策过程中，不确定性量化(UQ)在减少不确定性方面起着至关重要的作用。它可以用于解决科学和工程中的各种实际应用。贝叶斯逼近和集成学习技术是目前文献中使用最广泛的两种UQ方法。
在任何基于人工智能的系统中，以一种值得信赖的方式表示不确定性是非常可取的。通过有效地处理不确定性，这样的自动化系统应该能够准确地执行。不确定性因素在人工智能中扮演着重要的角色
新能源汽车技术的最新进展和未来趋势
新能源汽车技术的最新进展和未来趋势展示了汽车产业正向更环保、更智能的方向发展。电池技术、智能驾驶和能源回收等关键技术的发展将持续推动新能源汽车的创新。未来，我们有理由相信，新能源汽车将在保护环境和提升出行体验方面发挥更大的作用。
计算机网络的发展
本文概述了计算机网络从20世纪60年代的雏形到现代互联网的发展历程，包括ARPANET的创建、TCP/IP协议的标准化、DNS系统的引入、万维网的诞生、宽带和无线网络的兴起，以及移动互联网、云计算、物联网、区块链和自动驾驶技术的最新进展。
YOLOv11浅浅解析：架构创新
YOLOv11是YOLO系列最新升级版，通过C3k2模块、SPPF优化和解耦检测头等创新，显著提升检测精度与速度，mAP提高2-5%，推理更快，支持多平台部署，适用于工业、安防、自动驾驶等场景。
最新！OMNI3D：3D目标检测的大型基准和模型（Meta AI）
由于2D识别的成功，论文引入了一个大型基准，称为OMNI3D，重新审视了3D目标检测的任务。OMNI3D对现有数据集进行了重新利用和组合，生成了234k张图像，标注了300多万个实例和97个类别。由于相机内参的变化以及场景和目标类型的丰富多样性，这种规模的3D检测具有挑战性。论文提出了一个名为Cube R-CNN的模型，旨在通过统一的方法在摄像机和场景类型之间进行泛化。结果表明，在更大的OMNI3D和现有基准上，Cube R-CNN优于先前的工作。最后，论文证明了OMNI3D是一个强大的3D目标识别数据集，表明它提高了单个数据集的性能，并可以通过预训练加速对新的较小数据集的学习。