CVPR 2026：Wayve提出LA-Pose，用1000万段未标注驾驶视频训练相机位姿估计模型
原帖
**CVPR 2026 | 1000万段驾驶视频，教会模型如何估计相机位姿**
> Wayve公司提出LA-Pose方法，利用1000万段未标注的驾驶视频训练模型，使其能够从普通视频中学习相机位姿估计，无需昂贵的3D标注数据。该技术有望降低自动驾驶系统的数据标注成本，并提升其在现实场景中的应用能力。
**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：论文
- **发布时间**：2026-05-27 11:12（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-05-27)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
Wayve公司在CVPR 2026上提出LA-Pose方法，该方法利用1000万段未标注的驾驶视频训练模型，实现从普通视频中学习相机位姿估计，无需昂贵的3D标注数据，旨在降低自动驾驶系统的数据标注成本并提升其现实场景应用能力。
答案说明
Wayve公司提出的LA-Pose方法利用1000万段未标注的驾驶视频训练模型，实现无需昂贵3D标注数据的相机位姿估计，有望降低自动驾驶数据标注成本并提升现实场景应用能力。
这篇帖子回答的问题
- Wayve公司提出的LA-Pose方法如何训练相机位姿估计模型？
- LA-Pose方法有望解决自动驾驶领域的什么问题？
核心观点
- Wayve公司提出的LA-Pose方法利用1000万段未标注的驾驶视频训练模型，实现无需昂贵3D标注数据的相机位姿估计。
- 该技术有望降低自动驾驶系统的数据标注成本，并提升其在现实场景中的应用能力。
FAQ
- Q: LA-Pose方法使用了多少段驾驶视频进行训练？
- A: 根据帖子，LA-Pose方法利用了1000万段未标注的驾驶视频进行训练。
- Q: LA-Pose方法相比传统方法有什么优势？
- A: 帖子指出，LA-Pose方法无需昂贵的3D标注数据，有望降低自动驾驶系统的数据标注成本。
关键实体
- Wayve
- LA-Pose
- CVPR 2026