給自動駕駛AI上“外掛”！港大&TCL開源輕量級模型MarS3D

　　香港大學計算機視覺與機器智能實驗室(CVMI Lab)和 TCL AI Lab 的研究人員共同開發(fā)了一種名為 MarS3D 的輕量級模型，可以顯著提升自動駕駛 AI 的物體運動狀態(tài)判別能力。

　　該模型通過給語義分割模型添加一個稱為 BEV Branch 的分支，利用鳥瞰視角提取點云數(shù)據(jù)的運動狀態(tài)信息，并與其他單掃描任務模型的語義信息特征進行融合，實現(xiàn)了3D 點云的語義分割。與其他多掃描方法相比，MarS3D 具有以下特點:

　　輕量級模型:MarS3D 的參數(shù)量僅為約100K 大小，與主流點云分割模型相比僅增加了不到0.5% 的參數(shù)量。

　　即插即用:MarS3D 可以與任意主流點云分割模型結(jié)合使用，無需額外的計算量，推理時間僅增加不到0.03秒。

　　提升分割性能:在 SemanticKITTI 數(shù)據(jù)集上的測試結(jié)果表明，MarS3D 在主流的單掃描點云分割模型上，將性能提升了近5%。

　　快速計算:MarS3D 的推理過程僅需要一塊英偉達 GeForce RTX3090GPU 即可完成，具有較低的計算成本。

　　該研究論文已被 CVPR2023收錄，項目已在 GitHub 開源。這項研究為自動駕駛系統(tǒng)的感知能力提供了一種高效而準確的解決方案，為自動駕駛技術的發(fā)展帶來了新的可能性。