|極市線上分享第110期 |

一直以來，為讓大家更好地了解學(xué)界業(yè)界優(yōu)秀的論文和工作，極市已邀請了超過100位技術(shù)大咖嘉賓，并完成了109期極市線上直播分享。

往期分享請前往http://bbs.cvmart.net/topics/149，也歡迎各位小伙伴自薦或推薦更多優(yōu)秀的技術(shù)嘉賓到極市進(jìn)行技術(shù)分享，與大家一起交流學(xué)習(xí)~~

當(dāng)前的3D感知模型遵循單數(shù)據(jù)集訓(xùn)練-測試范式。這種單數(shù)據(jù)集訓(xùn)練-測試范式面臨兩個主要挑戰(zhàn)：1）3D感知數(shù)據(jù)集差異大：現(xiàn)有的3D感知數(shù)據(jù)集是由不同廠商采用不同類型傳感器采集獲得的，具有強(qiáng)的dataset-level數(shù)據(jù)分布差異、taxonomy分布差異；2）3D感知模型通用性弱：當(dāng)感知模型在一個數(shù)據(jù)集(域)上訓(xùn)練并且直接部署到另一個數(shù)據(jù)集上時，通常會面臨更嚴(yán)重的感知性能下降。

本次分享我們邀請到了上海人工智能實(shí)驗(yàn)室-智能交通平臺（ADLab）團(tuán)隊(duì)-青年研究員張鉑，為大家介紹他們CVPR 2023上的工作：

Bi3D: Bi-domain Active Learning for Cross-domain 3D Object Detection

Uni3D: A Unified Baseline for Multi-dataset 3D Object Detection

“本次talk主要針對目前3D感知模型單數(shù)據(jù)集訓(xùn)練-測試范式面臨的主要兩個挑戰(zhàn)，結(jié)合我們初步探索的一些經(jīng)驗(yàn)，簡要介紹我們團(tuán)隊(duì)在CVPR-2023中發(fā)表的兩篇論文：Uni3D和Bi3D，并分析如何在海量3D感知數(shù)據(jù)集中以較低的代價實(shí)現(xiàn)開放場景應(yīng)用?！?/p>

01 直播信息

時間：2023年3月29日（周三）：20:00-21:00

主題：自動駕駛場景下模型通用表征學(xué)習(xí)與泛化性的思考

直播地址：

B站：http://live.bilibili.com/3344545

視頻號：極市平臺視頻號

02 嘉賓介紹

張鉑

2022年獲復(fù)旦大學(xué)博士學(xué)位，研究方向?yàn)?D自動駕駛場景下的通用表征學(xué)習(xí)?，F(xiàn)擔(dān)任上海人工智能實(shí)驗(yàn)室-智能交通平臺（ADLab）團(tuán)隊(duì)-青年研究員，負(fù)責(zé)研發(fā)3DTrans開源框架，其可以支持3D場景下的多數(shù)據(jù)集訓(xùn)練與單數(shù)據(jù)集模型遷移等任務(wù)。更多信息見個人主頁：https://bobrown.github.io/boZhang.github.io/

03 關(guān)于分享

?分享大綱

1.背景介紹：自動駕駛感知模型所面臨的一些挑戰(zhàn)

2.3DTrans解決這個方式的兩個出發(fā)點(diǎn)

3.3DTrans: 模型通用表征學(xué)習(xí)與泛化性研究介紹

4.常見的領(lǐng)域適配任務(wù)

5.Bi3D: 主動學(xué)習(xí)領(lǐng)域適配介紹

6.Uni3D: 多數(shù)據(jù)集3D目標(biāo)檢測基線介紹

7.總結(jié)

?論文

Bi3D: Bi-domain Active Learning for Cross-domain 3D Object Detection

論文地址：https://arxiv.org/abs/2303.05886

代碼地址：https://github.com/PJLab-ADG/3DTrans

Uni3D: A Unified Baseline for Multi-dataset 3D Object Detection

論文地址：https://arxiv.org/abs/2303.06880

代碼地址：https://github.com/PJLab-ADG/3D