NVIDIA 发布 BirdDreams：联合生成透视图与 BEV 的自动驾驶世界模型

NVIDIA 与 KAIST 发布 BirdDreams，可联合生成第一视角视频和示意性鸟瞰图（BEV）视频，将场景布局纳入未来预测。两条视频扩散 transformer 通过 joint attention 交换信息，推理时仅需单张相机图像，无需 HD 地图或车辆状态输入。