「AI新青年講座」將邀請世界頂尖AI研究機構和大學的科研新青年，主講他們在計算機視覺、機器學習等人工智能領域的最新重要研究成果。

AI新青年是加速人工智能前沿研究的新生力量。AI新青年的視頻講解和直播答疑，將可以幫助大家增進對人工智能前沿研究的理解，相應領域的專業知識也能夠得以積累加深。同時，通過與AI新青年的直接交流，大家在AI學習和應用AI的過程中遇到的問題，也能夠盡快解決。

「AI新青年講座」目前已完結206講。有興趣分享學術成果的朋友，可以與智東西公開課教研團隊進行郵件（class@jmfly.net）聯系。

神經場（NeRF）三維表達由于其高效、簡潔、精確且易于持續優化的特點，近期在同時定位及建圖（SLAM）中被廣泛應用。但是從隱式神經網絡中提取獨立的物體表達是困難的：1）網絡參數與特定3D區域的關聯不可知；2）難以滿足SLAM的實時性要求；3）難以完全解耦不同物體的表達和訓練。

在 CVPR 2023 上，來自帝國理工學院戴森機器人實驗室的在讀博士孔昕等人提出了一個使用神經場表示的物體級 SLAM 系統：vMAP。在 vMAP 中，每個物體都由一個小 MLP 神經網絡表示，無需 3D 先驗即可實現高效、稠密的對象建模。當RGB-D相機在沒有先驗信息的情況下瀏覽場景時，vMAP 會實時檢測對象實例，并動態地將它們添加到其地圖中。

由于高效地對多個神經網絡進行向量化批訓練，vMAP 可以在單個場景中同時優化 50 個物體對象，且具有 5Hz 地圖更新的訓練速度。與之前的神經場 SLAM 系統相比，vMAP 可以解耦 3D 場景為物體級表達，且重建質量顯著提高。

5月16日晚7點，AI新青年講座第207講邀請到帝國理工學院戴森機器人實驗室在讀博士孔昕參與，主講《NeRF與SLAM結合的向量化物體級解耦建圖》。

講者
 孔昕，帝國理工學院戴森機器人實驗室在讀博士；浙江大學碩士，帝國理工戴森機器人實驗室博士在讀，導師為 Andrew Davison；研究方向為3D視覺，SLAM，機器人感知；曾在 CVPR、ICRA、IROS發表多篇論文。

第207講

主 題
《NeRF與SLAM結合的向量化物體級解耦建圖》

提 綱
1、NeRF和SLAM的研究概述
2、NeRF的解耦語義表達及挑戰
3、結合NeRF和SLAM的物體級解耦建圖方法vMAP
4、語義SLAM的三維表達及未來展望

直 播 信 息
直播時間：5月16日19:00
直播地點：智東西公開課知識店鋪

成果

論文標題：《vMAP: Vectorised Object Mapping for Neural Field SLAM》
論文地址：//arxiv.org/abs/2302.01838
開源地址：//github.com/kxhit/vMAP