「自動(dong)駕(jia)駛新青年講座(zuo)」由智東西(xi)公開課企(qi)(qi)劃，致力于邀(yao)請全球知名高(gao)校、頂(ding)尖研(yan)究(jiu)機構以及(ji)優秀企(qi)(qi)業的新青年，主(zhu)講在環境感(gan)知、精準定位、決策(ce)規劃、控制(zhi)執行等自動(dong)駕(jia)駛關鍵技術上的最新研(yan)究(jiu)成果(guo)和開發實踐(jian)。
「自動駕駛新青年講座」目前已完結19講，錯過往期講座直播的朋友，可以點擊文章底部“閱讀原文”進行回看！
有興趣分享的朋友，可以與智東西公開課(ke)教研團隊進行(xing)郵件(jian)（class@jmfly.net）聯系(xi)
正所謂，數(shu)據是推動(dong)(dong)自動(dong)(dong)駕(jia)駛的原動(dong)(dong)力(li)。自動(dong)(dong)駕(jia)駛汽車(che)（AV） 需(xu)要大(da)量(liang)數(shu)據支持算法(fa)模型的訓練，使其能(neng)夠適(shi)應各種駕(jia)駛場景和復雜路況，提(ti)高系統的魯棒性和泛化性。而傳(chuan)統的數(shu)據采(cai)集方法(fa)可能(neng)受限于實際道路條件和安全問題，無法(fa)獲取到大(da)量(liang)多(duo)樣(yang)化的數(shu)據。在此過(guo)程中(zhong)，生成式AI技術展現出了巨大(da)的潛力(li)。
生成(cheng)(cheng)(cheng)式AI能夠生成(cheng)(cheng)(cheng)肉眼無法(fa)分辨真假的(de)圖像，結(jie)合(he)自(zi)動駕(jia)(jia)駛模型(xing)訓練的(de)數據需求，生成(cheng)(cheng)(cheng)任(ren)何人類想象到的(de)駕(jia)(jia)駛場景。從而為模型(xing)訓練提供(gong)高(gao)質量(liang)合(he)成(cheng)(cheng)(cheng)數據，破解自(zi)動駕(jia)(jia)駛數據和(he)測試難題。
香港科技大(da)學（廣州）在讀博士李樂(le)恒等(deng)研究員(yuan)嘗試使(shi)用Generative?NeRF生成駕駛場(chang)景中的(de)自帶標(biao)(biao)注(zhu)的(de)訓練數(shu)據(ju)，但發現(xian)以GIRAFFE（CVPR 2021 best?paper）為代表的(de)NeRF無法生成與(yu)標(biao)(biao)注(zhu)相匹配的(de)多視圖(tu)數(shu)據(ju)，從而阻礙了在下游任務的(de)應用。
為解決這個問題，他們設計了一種(zhong)2D-3D解耦的生(sheng)(sheng)成(cheng)框架Lift3D。先利用(yong)2D GAN生(sheng)(sheng)成(cheng)帶有(you)(you)姿態(tai)標注的多(duo)視圖(tu)圖(tu)像(xiang)，再使(shi)用(yong)Conditional?NeRF將其(qi)升維(wei)至3D，這樣生(sheng)(sheng)成(cheng)的結果能同時具有(you)(you)逼真的紋理和多(duo)視圖(tu)一致性(xing)，證(zheng)明了生(sheng)(sheng)成(cheng)式(shi)AI可以很(hen)大程(cheng)度地提(ti)高下游感知模型的性(xing)能。相關論文(wen)發表在CVPR 2023上。
8月(yue)14日晚7點，「自(zi)(zi)動駕(jia)駛新青年(nian)講座」第(di)20講邀請到(dao)香(xiang)港科技大(da)學(xue)（廣州(zhou)）在讀博士李樂恒參(can)與，主講《生成式AI應用于自(zi)(zi)動駕(jia)駛感知數據生成的探(tan)索》。
講者
李樂恒，香港科技大學（廣州）在讀博士。師(shi)從陳穎聰教授，研(yan)究方向包括計算機視覺(jue)和(he)自動駕(jia)駛，近(jin)期的(de)研(yan)究重心是生成(cheng)模型在(zai)自動駕(jia)駛的(de)應用。曾以第一作(zuo)者在(zai)CVPR上發表相關成(cheng)果，擔任人(ren)(ren)工智(zhi)能(neng)頂級會議AAAI等(deng)審稿人(ren)(ren)。曾在(zai)曠視科技、蔚(yu)來汽車進(jin)行(xing)科研(yan)實習(xi)。
第20講
主 題
《生(sheng)成(cheng)式AI應用于自動駕駛感知數據(ju)生(sheng)成(cheng)的探索》
提 綱
1、基于(yu)GAN的(de)Generative NeRF研究
2、GIRAFFE在(zai)多視圖數據生成上的(de)問題(ti)
3、基(ji)于2D升維(wei)的(de)生成管線Lift3D解析
4、自動駕駛感知任(ren)務的(de)實驗結果對比(bi)
直 播 信 息
直播時間：8月14日(ri)晚19:00
直播地點：智東西公開課(ke)知識(shi)店鋪
成果
論文標題
《Lift3D: Synthesize 3D Training Databy Lifting 2D GAN to 3D Generative Radiance Field》
論文鏈接
//arxiv.org/pdf/2304.03526.pdf
