UniPAD：自动驾驶通用预训练范式来了！

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

>>点击进入→自动驾驶之心【端到端自动驾驶】技术交流群

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

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。

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。

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：

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）

视频官网：www.zdjszx.com

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！

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！