CVPR 2023最佳論文新鮮出爐：第一篇以中國(guó)學(xué)術(shù)機(jī)構(gòu)作為第一單位的最佳論文 焦點(diǎn)觀察

6月22日訊：這個(gè)高光時(shí)刻，屬于自動(dòng)駕駛，屬于大模型，更是屬于中國(guó)團(tuán)隊(duì)。

CVPR 2023最佳論文新鮮出爐，2篇論文從總量高達(dá)9155篇的投稿中脫穎而出。

對(duì)于這2篇最佳論文中的任何一個(gè)，可以說(shuō)用“萬(wàn)里挑一”來(lái)形容都不足為過(guò)了。

(相關(guān)資料圖)

第一篇名為Planning-oriented Autonomous Driving（以路徑規(guī)劃為導(dǎo)向的自動(dòng)駕駛），由上海人工智能實(shí)驗(yàn)室、武漢大學(xué)及商湯科技聯(lián)合完成。

據(jù)了解，這是近十年來(lái)，計(jì)算機(jī)視覺(jué)三大頂級(jí)國(guó)際會(huì)議（CVPR、ICCV、ECCV）上，第一篇以中國(guó)學(xué)術(shù)機(jī)構(gòu)作為第一單位的最佳論文。

第二篇名為Visual Programming: Compositional visual reasoning without training（視覺(jué)編程：未經(jīng)訓(xùn)練的組合視覺(jué)推理），由艾倫人工智能研究所發(fā)表。

而在最佳論文的“候選名單”中，不乏谷歌、斯坦福大學(xué)、康奈爾大學(xué)等在內(nèi)的頂尖企業(yè)和高校。

競(jìng)爭(zhēng)之激烈，可見(jiàn)一斑。

那么這兩篇為何能在眾多論文中成為佼佼者，我們繼續(xù)往下看。

首次提出感知決策一體的自動(dòng)駕駛通用大模型

自動(dòng)駕駛歷來(lái)被人們稱(chēng)為集AI技術(shù)之大成者。

一般在自動(dòng)駕駛?cè)蝿?wù)中，通常包含三大模塊，分別是感知、預(yù)測(cè)和規(guī)劃，不過(guò)主流方案通常是分開(kāi)來(lái)處理具體任務(wù)。

由此導(dǎo)致的缺陷也是比較明顯，要么是任務(wù)之間協(xié)調(diào)不足，要么是影響到了整體性能的提升。

基于這樣的一個(gè)背景，這篇論文便首次提出了感知決策一體化的自動(dòng)駕駛通用大模型——UniAD。

UniAD是一個(gè)綜合框架，將全棧駕駛?cè)蝿?wù)整合到一個(gè)基于Transformer的端到端網(wǎng)絡(luò)中。

除了我們剛才提到的三個(gè)主任務(wù)之外，還包括六個(gè)子任務(wù)，包括目標(biāo)檢測(cè)、目標(biāo)跟蹤、場(chǎng)景建圖、軌跡預(yù)測(cè)、柵格預(yù)測(cè)和路徑規(guī)劃。

那么如此“大一統(tǒng)”的方式之下，結(jié)果又如何？

根據(jù)論文顯示，在nuScenes真實(shí)場(chǎng)景數(shù)據(jù)集中，UniAD的所有任務(wù)均達(dá)到SOTA！

具體“實(shí)戰(zhàn)”效果如下：

在面對(duì)采訪(fǎng)時(shí)，上海人工智能實(shí)驗(yàn)室青年科學(xué)家李弘揚(yáng)介紹：

憑借其充分的可解釋性、安全性、與多模塊的可持續(xù)迭代性，UniAD是目前為止最具希望實(shí)際部署的端到端模型。

值得一提的是，除了這篇最佳論文之外，上海人工智能實(shí)驗(yàn)室和商湯科技在本屆CVPR中均取得了不凡的表現(xiàn)。

兩個(gè)單位還聯(lián)合斬獲了一篇最佳論文候選，共計(jì)54篇論文被接收。

通過(guò)編寫(xiě)代碼解決計(jì)算機(jī)視覺(jué)任務(wù)的AI

在第二篇論文中，研究人員提出了VISPROG，是一種神經(jīng)符號(hào)結(jié)合（Neuro-Symbolic）的方法，用于在給定自然語(yǔ)言指令的情況下解決復(fù)雜和組合的視覺(jué)任務(wù)。

VISPROG無(wú)需對(duì)任何特定任務(wù)進(jìn)行專(zhuān)門(mén)訓(xùn)練。

相反，它利用大語(yǔ)言模型的上下文學(xué)習(xí)能力，生成類(lèi)似Python代碼的模塊化程序，然后執(zhí)行這些程序來(lái)獲得解決方案和全面且可解釋的理由。

生成的程序的每一行可能會(huì)調(diào)用多個(gè)現(xiàn)成的計(jì)算機(jī)視覺(jué)模型、圖像處理程序或Python函數(shù)，來(lái)生成可能被程序的后續(xù)部分使用的中間輸出。

研究人員在四個(gè)不同的任務(wù)上展示了VISPROG的靈活性，包括組合視覺(jué)問(wèn)答、對(duì)圖像對(duì)進(jìn)行零樣本推理、事實(shí)知識(shí)對(duì)象標(biāo)簽和以語(yǔ)言引導(dǎo)的圖像編輯。

研究人員表示：

像VISPROG這樣的神經(jīng)符號(hào)方法是令人興奮的，它可以輕松有效地對(duì)AI系統(tǒng)做擴(kuò)展，滿(mǎn)足人們可能希望執(zhí)行的復(fù)雜任務(wù)需求。

CVPR 2023其它獎(jiǎng)項(xiàng)一覽

除了2篇最佳論文之外，其它獎(jiǎng)項(xiàng)也在剛剛的開(kāi)幕式中逐一浮出水面。

最佳學(xué)生論文——

3D Registration with Maximal Cliques。

這篇論文的作者來(lái)自西北工業(yè)大學(xué)，提出了一種新的3D點(diǎn)云配準(zhǔn)方法，能夠獲得最優(yōu)的姿態(tài)假設(shè)。

最佳學(xué)生論文榮譽(yù)獎(jiǎng)——

DreamBooth: Fine Tuning Text-to-lmage Diffusion Models for Subject-Driven Generation。

來(lái)自谷歌，可以基于少量的圖片，利用text-to-image模型將其轉(zhuǎn)換到不同場(chǎng)景中，并且保持高分辨率。

這篇論文的方法已在AI繪畫(huà)社區(qū)被廣泛使用。

除此之外，大會(huì)還頒發(fā)了PAMITC獎(jiǎng)，包括Longuet-Higgins獎(jiǎng)、年輕研究者獎(jiǎng)以及Thomas Huang紀(jì)念獎(jiǎng)。

原標(biāo)題：碾壓谷歌、斯坦福大學(xué)！CVPR最佳論文頒給中國(guó)自動(dòng)駕駛大模型：近10年首例

關(guān)鍵詞：