「自動駕駛新青年講座」由智東西公開課企劃，致力于邀請全球知名高校、頂尖研究機構(gòu)以及優(yōu)秀企業(yè)的新青年，主講在環(huán)境感知、精準定位、決策規(guī)劃、控制執(zhí)行等自動駕駛關鍵技術上的最新研究成果和開發(fā)實踐。
「自動駕駛新青年講座」目前已完結(jié)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教研團隊進行郵件（class@m.loveliyi.com）聯(lián)系
正所謂，數(shù)據(jù)是推動自動駕駛的原動力。自動駕駛汽車（AV） 需要大量數(shù)據(jù)支持算法模型的訓練，使其能夠適應各種駕駛場景和復雜路況，提高系統(tǒng)的魯棒性和泛化性。而傳統(tǒng)的數(shù)據(jù)采集方法可能受限于實際道路條件和安全問題，無法獲取到大量多樣化的數(shù)據(jù)。在此過程中，生成式AI技術展現(xiàn)出了巨大的潛力。
生成式AI能夠生成肉眼無法分辨真假的圖像，結(jié)合自動駕駛模型訓練的數(shù)據(jù)需求，生成任何人類想象到的駕駛場景。從而為模型訓練提供高質(zhì)量合成數(shù)據(jù)，破解自動駕駛數(shù)據(jù)和測試難題。
香港科技大學（廣州）在讀博士李樂恒等研究員嘗試使用Generative?NeRF生成駕駛場景中的自帶標注的訓練數(shù)據(jù)，但發(fā)現(xiàn)以GIRAFFE（CVPR 2021 best?paper）為代表的NeRF無法生成與標注相匹配的多視圖數(shù)據(jù)，從而阻礙了在下游任務的應用。
為解決這個問題，他們設計了一種2D-3D解耦的生成框架Lift3D。先利用2D GAN生成帶有姿態(tài)標注的多視圖圖像，再使用Conditional?NeRF將其升維至3D，這樣生成的結(jié)果能同時具有逼真的紋理和多視圖一致性，證明了生成式AI可以很大程度地提高下游感知模型的性能。相關論文發(fā)表在CVPR 2023上。
8月14日晚7點，「自動駕駛新青年講座」第20講邀請到香港科技大學（廣州）在讀博士李樂恒參與，主講《生成式AI應用于自動駕駛感知數(shù)據(jù)生成的探索》。
講者
李樂恒，香港科技大學（廣州）在讀博士。師從陳穎聰教授，研究方向包括計算機視覺和自動駕駛，近期的研究重心是生成模型在自動駕駛的應用。曾以第一作者在CVPR上發(fā)表相關成果，擔任人工智能頂級會議AAAI等審稿人。曾在曠視科技、蔚來汽車進行科研實習。
第20講
主 題
《生成式AI應用于自動駕駛感知數(shù)據(jù)生成的探索》
提 綱
1、基于GAN的Generative NeRF研究
2、GIRAFFE在多視圖數(shù)據(jù)生成上的問題
3、基于2D升維的生成管線Lift3D解析
4、自動駕駛感知任務的實驗結(jié)果對比
直 播 信 息
直播時間：8月14日晚19:00
直播地點：智東西公開課知識店鋪
成果
論文標題
《Lift3D: Synthesize 3D Training Databy Lifting 2D GAN to 3D Generative Radiance Field》
論文鏈接
https://arxiv.org/pdf/2304.03526.pdf
