本期為TechBeat人工智能社區(qū)第492期線上Talk！

北京時間4月26日(周三)20:00，香港中文大學(xué)在讀博士生—陳玉康的Talk將準(zhǔn)時在TechBeat人工智能社區(qū)開播！他與大家分享的主題是:?“VoxelNeXt實現(xiàn)全稀疏3D檢測跟蹤，結(jié)合SAM加速3D標(biāo)注”，屆時將分享全稀疏的3D 檢測框架 VoxelNeXt的成果。

Talk·信息

主題：VoxelNeXt實現(xiàn)全稀疏3D檢測跟蹤，結(jié)合SAM加速3D標(biāo)注

嘉賓：香港中文大學(xué)在讀博士生 陳玉康

時間：北京時間?4月26日?(周三) 20:00

地點(diǎn)：TechBeat人工智能社區(qū)

http://www.techbeat.net/

Talk·介紹

目前，自動駕駛場景的3D檢測方法大多采用稠密特征的檢測頭，而3D點(diǎn)云數(shù)據(jù)本身是稀疏的，這無疑是一種低效和浪費(fèi)計算量的做法。我們提出了一種全稀疏的3D 檢測框架 VoxelNeXt.該方法可以直接從稀疏的體素特征來預(yù)測3D物體，無需借助成anchor, center, voting等中間狀態(tài)的媒介。此外，該方法在取得檢測速度優(yōu)勢的同時，還能很好地幫助多目標(biāo)跟蹤。VoxelNeXt在大規(guī)模公開數(shù)據(jù)集nuScenes、Waymo、Argoverse2上都取得了很好的效果，并在Argoverse2 LiDAR 檢測和nuScenes LiDAR多目標(biāo)跟蹤上取得SOTA. 此外，VoxelNeXt由于其全稀疏的特性，能夠很好地結(jié)合 Segment Anything，在點(diǎn)擊圖像的同時不僅能獲得2D mask，還能獲得 3D box，可以在很大程度上方便3D物體的標(biāo)注。?

Talk大綱

1.VoxelNeXt的動機(jī)?

2.VoxelNeXt的方法細(xì)節(jié)?

3.VoxelNeXt的實驗結(jié)果?

4. 總結(jié)?

5. Context Cluster與Segment Anything的結(jié)合

Talk·預(yù)習(xí)資料

Github:

https://github.com/dvlab-research/VoxelNeXt

https://github.com/dvlab-research/3D-Box-Segment-Anything

Talk·提問交流

在Talk界面下的【交流區(qū)】參與互動！留下你的打call??和問題??，和更多小伙伴們共同討論，被講者直接翻牌解答！

你的每一次貢獻(xiàn)，我們都會給予你相應(yīng)的i豆積分，還會有驚喜獎勵哦！

Talk·嘉賓介紹

香港中文大學(xué)博士三年級，師從賈佳亞教授。研究方向為Efficient CV，相關(guān)課題包括AutoML、自動駕駛等。已發(fā)表頂會頂刊15篇，其中一作8篇，代表工作包括DetNAS、Focal Sparse Conv、VoxelNeXt。曾獲奪得Microsoft COCO 2019 年檢測與實例分割比賽冠軍，多次取得自動駕駛知名榜單第一，包括nuScenes雷達(dá)檢測、多目標(biāo)跟蹤、SemanticKITTI語義分割等。

-The End-

關(guān)于TechBeat人工智能社區(qū)

TechBeat (www.techbeat.net) 是一個薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務(wù)和體驗，加速并陪伴其學(xué)習(xí)成長。 期待這里可以成為你學(xué)習(xí)AI前沿知識的高地，分享自己最新工作的沃土，在AI進(jìn)階之路上的升級打怪的根據(jù)地！

更多詳細(xì)介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ