确实如此，transformer解决了多模态特征提取融合问题，激光雷达，视觉，毫米波，超声波，IMU等等这些信号完全可以进行特征融合，无需人工规则。从这个角度来说，随着算力，大模型发展，纯视觉只会越来越落后多模态输入方案。

【 在 whistlingMe 的大作中提到: 】
:CVPR基本上可以说是人工智能世界第一会，今年的最佳论文是上海AILab的自动驾驶方向《UniAD Planning-o

- 来自 水木社区APP v3.5.7
--
FROM 120.244.224.*