Zhijia Technology의 논문 DualBEV가 최고의 컴퓨터 비전 컨퍼런스 ECCV에 선정되었습니다.
최근 Zhijia Technology 팀의 논문 "DualBEV: Unifying Dual Veiw Transformation with Probabilistic Correspondences"가 컴퓨터 비전 분야에서 가장 영향력 있고 권위 있는 국제 컨퍼런스인 ECCV(European Conference on Computer Vision)에 선정되었습니다. 하나, 컴퓨터 비전 국제 컨퍼런스(ICCV), 컴퓨터 비전 및 패턴 인식 컨퍼런스(CVPR)만큼 유명하며, 컴퓨터 비전 분야 '3대 컨퍼런스' 중 하나로 알려져 있다. ECCV는 2년마다 개최되며 세계 최고의 연구원과 전문가가 한자리에 모여 최첨단 연구 결과와 기술 혁신을 선보이고 토론합니다.
Bird's-Eye-View(BEV) 인식은 현재 자율주행 인식의 초석이자 심지어 엔드 투 엔드 기술이며, 그 중 관점 변환(View Transformation) BEV 인식 모듈의 핵심으로, 이미지 특징(2D)을 BEV 공간(3D)으로 변환하는 역할을 담당합니다. 현재 주류 솔루션은 3D에서 2D로 또는 2D에서 3D로의 원근 변환 솔루션 사이에서 딜레마에 빠지는 경우가 많습니다.
3D-2D 솔루션은 일반적으로 Transformer에 의존합니다. 이는 좋은 성능을 달성하는 동시에 많은 컴퓨팅 오버헤드를 가져옵니다. 2D에서 3D로의 계산은 빠르지만, 트럭 장면에서 중요한 장거리 정보를 잃어버리기 쉽습니다.
이러한 문제에 대응하기 위해 DualBEV는 Monte Carlo의 개념에서 출발하여 View Transformation의 본질에 대한 고찰을 통해 View Transformation의 과정을 샘플 구성과 가중치 계산으로 요약하고 보편적인 특징 변환 알고리즘(Unified 기능 변환). 알고리즘은 먼저 두 방향에서 샘플을 구성하고 세 가지 확률 측정값의 곱셈을 통해 서로 다른 두 방향으로 구성된 샘플을 균일하게 평가한 다음 사전 계산을 통해 변환 프로세스를 가속화하고 이를 융합하여 최종 BEV 특성을 얻습니다.
DualBEV는 각 관점의 장점을 최대한 활용하여 3D-2D 및 2D-3D 관점 변환 솔루션을 전체 프레임워크로 통합하는 방법을 개척했습니다. nuScenes 감지 리더보드 순수 시각적 솔루션에서 NDS 63.4%로 SOTA 결과를 달성했습니다. 원근 변환 모듈은 사전 계산 기술을 사용하므로 계산 시간이 Transformer 솔루션의 1/40에 불과하여 목록에서 최고의 원근 변환 방법입니다.
DualBEV가 구축한 BEV 기능은 효율적인 원근 변환 및 다중 뷰 정보 융합을 통해 정확한 장면 표현과 빠른 계산 솔루션을 제공하여 엔드투엔드 시스템 개발을 위한 견고한 기반을 제공합니다. Zhijia Technology는 엔드투엔드 자율주행 시스템에 DualBEV의 심층 통합을 적극적으로 추진하여 그 장점을 최대한 활용하고 자율주행 시스템의 전반적인 성능을 더욱 향상시키고 있습니다.
기술 기반 제품, 오픈 소스 협력 및 상생 결과
DualBEV의 더욱 최적화된 관련 기술이 Zhijia Technology가 자체 개발한 사전 설치된 대량 생산 대형 트럭 자율 주행 시스템인 Zhijia Pilot 2.0에 적용되었습니다. 이 시스템은 최고의 안전성, 편안함, 노동력 절약, 에너지 절약, 환경 보호 등의 장점을 지닌 조종사의 자율 주행 기능을 개방했으며, 자율 추월, 측면 주차, 병합 예측, 부분 구성 등의 고급 기능을 실현할 수 있습니다. 일반적인 특급 배송 시나리오에서 '이중 주행'을 지원하여 운전 피로를 대폭 줄이고 최대 10%의 연료 절감을 통해 에너지 절약 및 배기가스 감소를 달성합니다.
현재 스마트 플러스 내비게이션 2.0 시스템을 탑재한 스마트 대형트럭 K7+는 중국우정, ZTO Express, Aneng Logistics 등 주요 물류업체를 통해 북경~천진~천진~천진 등 핵심 경제권역을 대상으로 실제 운행에 투입되고 있습니다. 허베이, 양쯔강 삼각주, 주강 삼각주에서는 간선 물류 산업의 디지털화 및 지능적 변혁을 지속적으로 강화합니다.
이 논문은 ECCV에 성공적으로 선정되었으며 일부 연구 결과는 자율 주행 분야에서 Zhijia Technology의 과학적 연구 및 혁신 역량을 보여줄 뿐만 아니라 산업 표준화 및 상호 운용성을 향상시키는 데 도움이 될 것입니다. Zhijia Technology는 혁신, 협력, 공유를 통해 주요 기술 문제를 극복하는 데 중점을 두고 자율 주행 기술의 반복과 혁신을 효과적으로 촉진하며 궁극적으로 "지능적이고 안전하며 환경 친화적인" 물류 및 운송 산업의 고품질 발전을 달성하기를 희망합니다.
위 내용은 Zhijia Technology의 논문 DualBEV가 최고의 컴퓨터 비전 컨퍼런스 ECCV에 선정되었습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

현대 제조업에서 정확한 결함 검출은 제품 품질을 보장하는 열쇠일 뿐만 아니라 생산 효율성을 향상시키는 핵심이기도 합니다. 그러나 기존 결함 감지 데이터세트는 실제 적용에 필요한 정확성과 의미론적 풍부함이 부족한 경우가 많아 모델이 특정 결함 카테고리나 위치를 식별할 수 없게 됩니다. 이 문제를 해결하기 위해 광저우 과학기술대학교와 Simou Technology로 구성된 최고 연구팀은 산업 결함에 대한 상세하고 의미론적으로 풍부한 대규모 주석을 제공하는 "DefectSpectrum" 데이터 세트를 혁신적으로 개발했습니다. 표 1에서 볼 수 있듯이, 다른 산업 데이터 세트와 비교하여 "DefectSpectrum" 데이터 세트는 가장 많은 결함 주석(5438개의 결함 샘플)과 가장 상세한 결함 분류(125개의 결함 카테고리)를 제공합니다.

Editor |KX 오늘날까지 단순한 금속부터 큰 막 단백질에 이르기까지 결정학을 통해 결정되는 구조적 세부 사항과 정밀도는 다른 어떤 방법과도 비교할 수 없습니다. 그러나 가장 큰 과제인 소위 위상 문제는 실험적으로 결정된 진폭에서 위상 정보를 검색하는 것입니다. 덴마크 코펜하겐 대학의 연구원들은 결정 위상 문제를 해결하기 위해 PhAI라는 딥러닝 방법을 개발했습니다. 수백만 개의 인공 결정 구조와 그에 상응하는 합성 회절 데이터를 사용하여 훈련된 딥러닝 신경망은 정확한 전자 밀도 맵을 생성할 수 있습니다. 연구는 이 딥러닝 기반의 순순한 구조 솔루션 방법이 단 2옹스트롬의 해상도로 위상 문제를 해결할 수 있음을 보여줍니다. 이는 원자 해상도에서 사용할 수 있는 데이터의 10~20%에 해당하는 반면, 기존의 순순한 계산은

오픈 LLM 커뮤니티는 백개의 꽃이 피어 경쟁하는 시대입니다. Llama-3-70B-Instruct, QWen2-72B-Instruct, Nemotron-4-340B-Instruct, Mixtral-8x22BInstruct-v0.1 등을 보실 수 있습니다. 훌륭한 연기자. 그러나 GPT-4-Turbo로 대표되는 독점 대형 모델과 비교하면 개방형 모델은 여전히 많은 분야에서 상당한 격차를 보이고 있습니다. 일반 모델 외에도 프로그래밍 및 수학을 위한 DeepSeek-Coder-V2, 시각 언어 작업을 위한 InternVL과 같이 핵심 영역을 전문으로 하는 일부 개방형 모델이 개발되었습니다.

AI의 경우 수학 올림피아드는 더 이상 문제가 되지 않습니다. 목요일에 Google DeepMind의 인공 지능은 AI를 사용하여 올해 국제 수학 올림피아드 IMO의 실제 문제를 해결하는 위업을 달성했으며 금메달 획득에 한 걸음 더 다가섰습니다. 지난 주 막 끝난 IMO 대회에는 대수학, 조합론, 기하학, 수론 등 6개 문제가 출제됐다. 구글이 제안한 하이브리드 AI 시스템은 4문제를 맞혀 28점을 얻어 은메달 수준에 이르렀다. 이달 초 UCLA 종신 교수인 테렌스 타오(Terence Tao)가 상금 100만 달러의 AI 수학 올림피아드(AIMO Progress Award)를 추진했는데, 예상외로 7월 이전에 AI 문제 해결 수준이 이 수준으로 향상됐다. IMO에서 동시에 질문을 해보세요. 가장 정확하게 하기 어려운 것이 IMO인데, 역사도 가장 길고, 규모도 가장 크며, 가장 부정적이기도 합니다.

2023년에는 AI의 거의 모든 분야가 전례 없는 속도로 진화하고 있다. 동시에 AI는 구체화된 지능, 자율주행 등 핵심 트랙의 기술적 한계를 지속적으로 확장하고 있다. 멀티모달 추세 하에서 AI 대형 모델의 주류 아키텍처인 Transformer의 상황이 흔들릴까요? MoE(Mixed of Experts) 아키텍처를 기반으로 한 대형 모델 탐색이 업계에서 새로운 트렌드가 된 이유는 무엇입니까? 대형 비전 모델(LVM)이 일반 비전 분야에서 새로운 돌파구가 될 수 있습니까? ...지난 6개월 동안 공개된 본 사이트의 2023 PRO 회원 뉴스레터에서 위 분야의 기술 동향과 산업 변화에 대한 심층 분석을 제공하여 새로운 환경에서 귀하의 목표 달성에 도움이 되는 10가지 특별 해석을 선택했습니다. 년. 준비하세요. 이 해석은 2023년 50주차에 나온 것입니다.

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

Editor | KX 역합성은 약물 발견 및 유기 합성에서 중요한 작업이며, 프로세스 속도를 높이기 위해 AI가 점점 더 많이 사용되고 있습니다. 기존 AI 방식은 성능이 만족스럽지 못하고 다양성이 제한적입니다. 실제로 화학 반응은 종종 반응물과 생성물 사이에 상당한 중복이 발생하는 국지적인 분자 변화를 일으킵니다. 이에 영감을 받아 Zhejiang University의 Hou Tingjun 팀은 단일 단계 역합성 예측을 분자 문자열 편집 작업으로 재정의하고 표적 분자 문자열을 반복적으로 정제하여 전구체 화합물을 생성할 것을 제안했습니다. 그리고 고품질의 다양한 예측이 가능한 편집 기반 역합성 모델 EditRetro를 제안합니다. 광범위한 실험을 통해 이 모델은 표준 벤치마크 데이터 세트 USPTO-50 K에서 60.8%의 상위 1 정확도로 탁월한 성능을 달성하는 것으로 나타났습니다.

Editor | ScienceAI 제한된 임상 데이터를 기반으로 수백 개의 의료 알고리즘이 승인되었습니다. 과학자들은 누가 도구를 테스트해야 하며 최선의 방법은 무엇인지에 대해 토론하고 있습니다. 데빈 싱(Devin Singh)은 응급실에서 오랜 시간 치료를 기다리던 중 심장마비를 겪는 소아환자를 목격했고, 이를 계기로 대기시간을 단축하기 위해 AI 적용을 모색하게 됐다. SickKids 응급실의 분류 데이터를 사용하여 Singh과 동료들은 잠재적인 진단을 제공하고 테스트를 권장하는 일련의 AI 모델을 구축했습니다. 한 연구에 따르면 이러한 모델은 의사 방문 속도를 22.3% 단축하여 의료 검사가 필요한 환자당 결과 처리 속도를 거의 3시간 단축할 수 있는 것으로 나타났습니다. 그러나 인공지능 알고리즘의 연구 성공은 이를 입증할 뿐이다.
