Talk|清华大学袁天远:PreSight - 利用NeRF先验帮助自动驾驶场景在线感知

本期为TechBeat人工智能社区第605期线上Talk。

北京时间7月3日(周三)20:00清华大学博士生--- 袁天远的Talk已经准时在TechBeat人工智能社区开播!

他与大家分享的主题是: "PreSight - 利用NeRF先验帮助自动驾驶场景在线感知" ,他向大家介绍了新的感知框架PreSight,其通过构建城市级NeRF有效地从历史观测数据中提取先验知识,以帮助下游感知任务。该工作已入选ECCV 2024。

Talk·信息

主题:PreSight - 利用NeRF先验帮助自动驾驶场景在线感知

嘉宾:清华大学博士生 袁天远

时间:北京时间 7月3日(周三)20:00

地点:TechBeat人工智能社区

点击下方链接,即可观看视频!

TechBeatTechBeat是荟聚全球华人AI精英的成长社区,每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验,加速并陪伴其成长。https://www.techbeat.net/talk-info?id=884

Talk·介绍

今天的自动驾驶系统通常仅依靠在线传感器数据实现实时环境感知,而缺乏高效利用过去的观测数据的手段。与之相比,人类驾驶员在驾驶时会记住自己经过的路段,从而在熟悉的道路越开越好。本次Talk中,我们将介绍新的感知框架PreSight,其通过构建城市级NeRF有效地从历史观测数据中提取先验知识,以帮助下游感知任务。

Talk大纲
  1. 动机:利用历史观测数据的重要性

  2. 框架:如何将NeRF与感知任务结合

  3. 细节:如何构建城市级NeRF?如何从NeRF中提取

  4. 实验:在多项感知任务上的提升,以及可视化分析

Talk·预习资料

论文链接:

https://arxiv.org/abs/2403.09079

论文链接:

https://arxiv.org/abs/2304.08481

论文链接:

https://arxiv.org/abs/2311.02077

Talk·提问交流

在Talk界面下的【交流区】参与互动!留下你的打call🤟和问题🙋,和更多小伙伴们共同讨论,被讲者直接翻牌解答!

你的每一次贡献,我们都会给予你相应的i豆积分,还会有惊喜奖励哦!

Talk·嘉宾介绍

袁天远

清华大学 · 博士生

袁天远,清华交叉信息研究院MARS Lab二年级博士生,师从赵行助理教授。本科毕业于北京大学。他的主要研究方向为自动驾驶中的感知任务,特别是在线高精地图感知任务,参与了StreamMapNet, VectorMapNet, Neural Map Prior等多项地图感知工作。他已在CVPR, ICML等会议发表过多篇论文,主持过CVPR 2023端到端自动驾驶Workshop,并担任过CVPR, TPAMI等期刊会议的审稿人。

个人主页:

https://www.techbeat.net/grzytrkj?id=40257


关于TechBeat人工智能社区

TechBeat(www.techbeat.net)隶属于将门创投,是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验,加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地,分享自己最新工作的沃土,在AI进阶之路上的升级打怪的根据地!

更多详细介绍>>TechBeat,一个荟聚全球华人AI精英的学习成长社区

相关推荐
勾股导航15 小时前
K-means
人工智能·机器学习·kmeans
Jay Kay15 小时前
GVPO:Group Variance Policy Optimization
人工智能·算法·机器学习
小鸡吃米…16 小时前
机器学习面试问题及答案
机器学习
Yeats_Liao17 小时前
评估体系构建:基于自动化指标与人工打分的双重验证
运维·人工智能·深度学习·算法·机器学习·自动化
断眉的派大星17 小时前
均值为0,方差为1:数据的“标准校服”
人工智能·机器学习·均值算法
Tadas-Gao18 小时前
缸中之脑:大模型架构的智能幻象与演进困局
人工智能·深度学习·机器学习·架构·大模型·llm
木枷18 小时前
Online Process Reward Learning for Agentic Reinforcement Learning
人工智能·深度学习·机器学习
m0_5637451118 小时前
误差卡尔曼滤波在VINS-mono中的应用
人工智能·机器学习
KYGALYX19 小时前
逻辑回归详解
算法·机器学习·逻辑回归
啵啵鱼爱吃小猫咪19 小时前
机械臂能量分析
线性代数·机器学习·概率论