ICCV'23旷视科技创新工作Cross Modal Transformer(CMT)提出了——跨模态的Transformer将图像和点云数据作为输入，并且直接生成精确的3D检测框。在nuScenes test数据集上达到了74.1%的NDS（单一模型的最先进技术），同时保持了快速的推理速度。即使缺少 LiDAR，CMT也具有很强的鲁棒性。此外，整个跨模态的Transformer设计非常简单，主要是它易于复现。
为了让大家更好的掌握跨模态3D目标检测器，并改进融合运用到自己的论文中，研梦非凡于10月31日晚（周四），邀请了来自QStop50学校博士—杨导师，为大家独家详解《超实用发论文方向！基于Transformer的3D 目标检测》，从跨模态Transformer的性能与贡献到3D目标检测、重点讲解跨模态Transformer的算法研究以及实验，一文速通跨模态3D目标检测，复现论文，找创新点，轻松发论文！
👇🏻扫描二维码找助教0元预约直播课！
直播课内容预览
ICCV'23《Cross Modal Transformer: Towards Fast and Robust 3D Object Detection 》
一、论文摘要
CMT模型
无需显式视图转换
设计简洁易复现
多模态tokens的空间对齐
快推理速度，高准确率
二、研究背景
跨模态介绍
跨模态Transformer与SOTA性能的比较
跨模态Transformer的主要贡献
三、相关工作
基于相机的3D目标检测
基于LiDAR的3D目标检测
多模态的3D目标检测
基于Transformer的目标检测
👇🏻扫描二维码找助教0元预约直播课！
四、算法研究
跨模态Transformer的结构
跨模态变换器(CMT)架构
CMT通过建立不同模态间的位置对应关系
坐标编码模块（CEM）
图像的CE
点云的CE
位置引导的查询生成器
解码器和损失函数
基于Mask的训练和模型鲁棒性研究
讨论
CMT与FUTR3D在端到端建模动机上类似,但方法和效果完全不同
主要区别
五、实验结果
数据集和评估指标
实验细节
与最先进技术的比较
强大的鲁棒性
消融研究
分析
六、总结和展望
跨模态的Transformer
强大的性能且易于复现
👇🏻扫描二维码找助教0元预约直播课！
直播导师介绍
杨导师
杨导师，博士毕业于QStop50知名计算机名校。
博士期间研究方向：聚焦为计算机视觉，自然语言处理，高效的深度学习训练和推理方法，大语言模型轻量化与高效微调技术。
曾在多家公司担任算法研究员，并进行计算机视觉，高效模型压缩算法，多模态大语言模型的研究，包括模型量化，剪枝，蒸馏，编译以及高效稀疏化训练与推理。
在国际顶级会议CVPR，ICCV，EMNLP等发表13篇论文，并担任CVPR，ICCV，ECCV，ICML，ICLR，NeurIPS等重要会议和期刊的审稿人。
多项发明专利，指导学生有耐心，教学严谨，思维逻辑缜密，已经指导数十篇论文。
对于成果好的学生，帮助学生写推荐信和指导申请硕/博申请。
👇🏻扫描二维码找助教0元预约直播课！
ps：研梦非凡开设的前沿论文系列直播，旨在帮助大家提升读论文技能，快速抓住重点，掌握有效方法，进而找到创新点，轻松产出科研论文成果。
研梦非凡科研论文指导
科研论文idea，并非拍脑门就能产生，需要经过一遍遍做实验、跑代码、改模型、思路修正。研梦非凡专业论文指导，和研梦导师一起找idea，共同解决科研问题。授之以渔——搭建论文写作框架，增删改查，针对性实验指导！哪里薄弱补哪里！
<<< 左右滑动见更多 >>>
可辅导的自动驾驶方向
<<< 左右滑动见更多 >>>
研梦非凡部分导师介绍
研梦非凡导师团队，来自海外QStop200、国内华五、C9、985高校的教授/博士导师/博士后，以及世界500强公司算法工程师、国内外知名人工智能实验室研究员等。
这是一支实力强大的高学历导师团队，在计算机科学、机器学习、深度学习等领域，积累了丰富的科研经历，研究成果也发表在国际各大顶级会议和期刊上，在指导学员的过程中，全程秉持初心，坚持手把手个性化带教。包括但不限于以下导师～
<<< 左右滑动见更多 >>>
比赛8人冲牌小班介绍（第一二期已满，三期开招）
<<< 左右滑动见更多 >>>
我们不是小作坊哦～我们背靠研途考研（就是张雪峰老师和徐涛老师在的那个研途考研），做教育十余年，重交付，重口碑，是我们一贯的公司理念！
扫一扫
566
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
