点击下方卡片,关注“自动驾驶之心”公众号
ADAS巨卷干货,即可获取
论文作者 | 汽车人
编辑 | 自动驾驶之心
UNIPAD:自动驾驶通用预训练范式
❝原标题:UNIPAD: A UNIVERSAL PRE-TRAINING PARADIGM FOR AUTONOMOUS DRIVING
论文链接:https://arxiv.org/pdf/2310.08370.pdf
代码链接:https://github.com/Nightmare-n/UniPAD
作者单位:上海人工智能实验室 浙江大学 香港大学 中国科学技术大学 悉尼大学 Zhejiang Lab
![f78e602dd0a99a3c3e2ca76d6ed64742.png](https://i-blog.csdnimg.cn/blog_migrate/d3deb2d15beb93b1f74390fbc9dc00c4.png)
论文思路:
在自动驾驶的背景下,有效特征学习的重要性得到了广泛认可。虽然传统的 3D 自监督预训练方法已经取得了广泛的成功,但大多数方法都遵循最初为 2D 图像设计的想法。本文提出了 UniPAD,一种应用 3D 体积可微渲染(3D volumetric differentiable rendering)的新型自监督学习范式。UniPAD 隐式编码 3D 空间,有助于重建连续的 3D 形状结构及其 2D 投影的复杂外观特征。本文方法的灵活性使得能够无缝集成到 2D 和 3D 框架中,从而能够更全面地理解场景。本文通过对各种下游 3D 任务进行广泛的实验来证明 UniPAD 的可行性和有效性。本文的方法将基于激光雷达、摄像机和激光雷达-摄像机的基线分别显着提高了 9.1、7.7 和 6.9 NDS。值得注意的是,本文的预训练 pipeline 在 nuScenes 验证集上实现了 3D 目标检测的 73.2 NDS 和 3D 语义分割的 79.4 mIoU,与之前的方法相比,实现了最先进的结果。
主要贡献:
据本文所知,本文是第一个探索一种新颖的 3D 可微渲染(3D differentiable rendering)方法,用于自动驾驶背景下的自监督学习。
该方法的灵活性使其易于扩展到2D backbone的预训练。通过新颖的采样策略,本文的方法在有效性和效率上都表现出了优越性。
本文在 nuScenes 数据集上进行了全面的实验,其中本文的方法超越了六种预训练策略的性能。包含七个 backbones 和两个感知任务的实验为本文方法的有效性提供了令人信服的证据。
网络设计:
本文提出了一种专为有效 3D 表示学习而定制的新颖的预训练范式,它不仅避免了复杂的正/负样本分配,而且还隐式提供了连续的监督信号来学习 3D 形状结构。如图 2 所示,整个框架将 masked点云作为输入,旨在通过 3D 可微神经渲染在投影的 2D 深度图像上重建缺失的几何形状。具体来说,当提供masked LiDAR 点云时,本文的方法采用 3D 编码器来提取分层特征。然后,通过体素化将 3D 特征转换到体素空间。本文进一步应用可微分体积渲染方法来重建完整的几何表示。本文方法的灵活性有助于其与预训练 2D backbone的无缝集成。多视图图像特征通过 lift-split-shoot (LSS) 构建 3D volume(Philion & Fidler,2020)。为了保持训练阶段的效率,本文提出了一种专为自动驾驶应用设计的节省内存的光线采样(ray sampling)策略,其可以大大降低训练成本和内存消耗。与传统方法相比,新颖的采样策略显着提高了准确性。
![475931d20a369f17144aec9490bee61e.png](https://i-blog.csdnimg.cn/blog_migrate/6b9087de582ac1773477c18f073167f4.png)
图 1:本文对 3D 检测和分割进行预训练的效果,其中 C、L 和 M 分别表示摄像机、LiDAR 和融合模态。
![b3dba525e9d23355775d82cc40217005.png](https://i-blog.csdnimg.cn/blog_migrate/18baf5fc6b18911d295f4178cce1c0fe.png)
图 2:整体架构。本文的框架采用 LiDAR 点云或多视图图像作为输入。本文首先提出 mask 生成器来部分 mask 输入。接下来,特定于模态的编码器适用于提取稀疏可见特征,然后将其转换为密集特征,其中 mask 区域填充为零。随后将特定于模态的特征转换到体素空间,然后是投影层以增强体素特征。最后,基于体积的神经渲染为可见区域和 mask 区域生成 RGB 或深度预测。
实验结果:
![8c1f25d2fb51c050ea88f9f9bb126b7a.png](https://i-blog.csdnimg.cn/blog_migrate/c4d728337a929d4a28070e94a31bc6a9.png)
![ab36fc37d3d400b95fa8b85499f5e9cf.png](https://i-blog.csdnimg.cn/blog_migrate/4dd1b4d2b7dc663f4d0fb31cde3f1784.png)
![f093bda0d79f3e9d7430d7621e187441.png](https://i-blog.csdnimg.cn/blog_migrate/ddfbde673643bf3329b2f057747f6a52.png)
![71ddf3a49cc0ffab9bb33edba3a1948f.png](https://i-blog.csdnimg.cn/blog_migrate/803705b057470ddef3feee6dc9ba00ac.png)
![77aeb12ff5b07e89acfbbff59d16b88c.png](https://i-blog.csdnimg.cn/blog_migrate/5e71a2986389d6fdc758040bd9dbdf85.png)
![c5c85bdfdc4106e066120c11df9070f5.png](https://i-blog.csdnimg.cn/blog_migrate/7b2f97e2c40d02f63b36014803933985.png)
![699e7bb9bc9a9a88f9de536a5fcaccc0.png](https://i-blog.csdnimg.cn/blog_migrate/fd9e47d1acee52f7fc46e8413e0f3976.png)
引用:
Yang, H., Zhang, S., Huang, D., Wu, X., Zhu, H., He, T., Tang, S., Zhao, H., Qiu, Q., Lin, B., He, X., & Ouyang, W. (2023). UniPAD: A Universal Pre-training Paradigm for Autonomous Driving. ArXiv. /abs/2310.08370
① 全网独家视频课程
BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、协同感知、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频(扫码即可学习)
![909cdba16dc82b91026b047854fe9256.png](https://i-blog.csdnimg.cn/blog_migrate/783b0adb95f43a2c096ba0b6eaf31978.png)
② 国内首个自动驾驶学习社区
近2000人的交流社区,涉及30+自动驾驶技术栈学习路线,想要了解更多自动驾驶感知(2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计)、自动驾驶定位建图(SLAM、高精地图、局部在线地图)、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布,欢迎扫描下方二维码,加入自动驾驶之心知识星球,这是一个真正有干货的地方,与领域大佬交流入门、学习、工作、跳槽上的各类难题,日常分享论文+代码+视频,期待交流!
![fd8a292390ac6cdfeba3be67a9b2fdb3.png](https://i-blog.csdnimg.cn/blog_migrate/53756f9d0e21a7f14b6ee2711a68605b.png)
③【自动驾驶之心】技术交流群
自动驾驶之心是首个自动驾驶开发者社区,聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处理、端到端自动驾驶、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群,备注:学校/公司+方向+昵称(快速入群方式)
④【自动驾驶之心】平台矩阵,欢迎联系我们!