鐵甲工程機(jī)械網(wǎng)> 工程機(jī)械資訊> 行業(yè) > 中科慧拓2篇論文入選ECCV2024,深度估計(jì)算法再獲新突破

中科慧拓2篇論文入選ECCV2024,深度估計(jì)算法再獲新突破

語音播報(bào)
點(diǎn)擊播放

ECCV,即歐洲計(jì)算機(jī)視覺國(guó)際會(huì)議,是計(jì)算機(jī)視覺領(lǐng)域中最頂級(jí)的會(huì)議之一,與ICCV和CVPR并稱為計(jì)算機(jī)視覺領(lǐng)域的“三大頂會(huì)”。ECCV每?jī)赡昱e行一次,其專業(yè)性、權(quán)威性和高含金量廣受認(rèn)可。據(jù)官方透露,ECCV2024共接收論文8585篇,創(chuàng)下歷史新高,最終錄用論文2395篇,接收率為27.9%。

中科慧拓入選的2篇論文研究成果分別為《DiffusionDepth: Diffusion Denoising Approach for Monocular Depth Estimation》,《Generative End-to-End Autonomous Driving》。

Generative End-to-End Autonomous Driving

中科慧拓提出了GenAD,這是第一個(gè)將自動(dòng)駕駛轉(zhuǎn)化為生成建模問題的生成框架,在以視覺為中心的端到端自動(dòng)駕駛方面實(shí)現(xiàn)了最先進(jìn)的性能,并且效率很高。

該技術(shù)顛覆了UniAD的漸進(jìn)式流程端到端方案,探討了一種新的端到端自動(dòng)駕駛范式,關(guān)鍵在于采用生成式人工智能的方式預(yù)測(cè)自車和周圍環(huán)境在過去場(chǎng)景中的時(shí)序演變方式。

技術(shù)上本方案提出以實(shí)例中心的場(chǎng)景表示,首先將周圍場(chǎng)景轉(zhuǎn)換為地圖和感知實(shí)例。然后,使用變分自編碼器在結(jié)構(gòu)潛在空間中學(xué)習(xí)未來軌跡分布,用于軌跡先驗(yàn)建模。進(jìn)一步采用時(shí)序模型來捕捉潛在空間中的代理和自車運(yùn)動(dòng),以生成更有效的未來軌跡。最終,GenAD通過在學(xué)習(xí)的結(jié)構(gòu)潛在高斯空間分布中采樣,并使用學(xué)習(xí)的時(shí)序模型生成未來信息,同時(shí)執(zhí)行運(yùn)動(dòng)預(yù)測(cè)和規(guī)劃。該模型在城市場(chǎng)景數(shù)據(jù)集Nuscenes已經(jīng)取得了SOTA的性能,并在實(shí)時(shí)性能上遠(yuǎn)超UniAD。

DiffusionDepth: Diffusion Denoising Approach for Monocular Depth Estimation

中科慧拓提出了DiffusionDepth,一種新的單目深度估計(jì)方法,將單目深度估計(jì)任務(wù)重新建模為去噪擴(kuò)散過程。該模型通過單目RGB圖像的特征為條件引導(dǎo),迭代地將隨機(jī)深度分布精細(xì)化為詳細(xì)的深度圖,克服了生成模型應(yīng)用于稀疏真值深度場(chǎng)景的局限性。實(shí)驗(yàn)結(jié)果表明,在KITTI和NYU-Depth-V2數(shù)據(jù)集上,DiffusionDepth達(dá)到了最新的性能。

本次入選ECCV的兩篇論文,充分展示了中科慧拓在自動(dòng)駕駛視覺感知技術(shù)領(lǐng)域的強(qiáng)大研發(fā)能力。這一成就不僅證明了公司在該領(lǐng)域的領(lǐng)先地位,還彰顯了公司科研成果的國(guó)際影響力。展望未來,中科慧拓將繼續(xù)踐行“長(zhǎng)期主義”戰(zhàn)略,平衡技術(shù)突破與商業(yè)化推進(jìn)。公司將持續(xù)專注于核心技術(shù)的深耕與創(chuàng)新,并大力推動(dòng)量產(chǎn)項(xiàng)目的落地實(shí)施,為自動(dòng)駕駛行業(yè)的發(fā)展貢獻(xiàn)力量。

往期推薦

客戶之聲|哈爾烏素露天煤礦無人駕駛編組數(shù)量增至4個(gè)!

客戶之聲|央視關(guān)注的無人礦卡大揭秘!

了解慧拓文化

關(guān)注愚公博士

閱讀原文

進(jìn)入官方知乎

點(diǎn)擊“在看

資訊不錯(cuò)過



聲明:本文系轉(zhuǎn)載自互聯(lián)網(wǎng),請(qǐng)讀者僅作參考,并自行核實(shí)相關(guān)內(nèi)容。若對(duì)該稿件內(nèi)容有任何疑問或質(zhì)疑,請(qǐng)立即與鐵甲網(wǎng)聯(lián)系,本網(wǎng)將迅速給您回應(yīng)并做處理,再次感謝您的閱讀與關(guān)注。

相關(guān)文章
我要評(píng)論
表情
歡迎關(guān)注我們的公眾微信