我们赞助了CVPR自动驾驶挑战赛！

点击下方卡片，关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近15个方向学习路线

CVPR 2025 DriveX研讨会聚焦于基础模型与V2X（车联网）协同系统的融合，旨在提升自动驾驶车辆在感知、规划与决策方面的能力。传统的单车智能系统在3D目标检测等任务上已取得显著进展，但全域场景理解与3D占用预测等新兴挑战仍需更全面的解决方案。

协作式驾驶系统通过V2X通信和道路基础设施的支持，扩展了车辆的感知范围，提供了危险预警，并通过数据共享提升了决策能力。与此同时，像视觉-语言模型（VLMs）这样的基础模型具备强大的泛化能力，能够实现零样本学习、开放词汇识别以及对新场景的语义解释。以DriveLLM为代表的端到端系统与基础模型的最新进展，也为自动驾驶系统带来了新的突破。

本次研讨会旨在汇聚行业专家，共同探讨这些前沿技术，应对关键挑战，推动智能驾驶发展，提升道路安全水平。

自动驾驶之心对本次workshop挑战赛进行了赞助！为自动驾驶届优秀人才提供更多激励与支持！

研讨主题（Topics）

• 协作式自动驾驶与智能交通系统中的基础模型

• 用于交通场景理解的视觉-语言模型（VLMs）

• 大语言模型（LLM）辅助的协同系统

• 面向自动驾驶的通信高效的协同感知技术

• 高效智能的车联网（V2X）通信技术

• 自动驾驶中的数据集构建与标注方法

• 基础模型与协同感知的数据集与评测基准

• 弱势道路使用者（VRUs）的3D目标检测与语义分割

• 3D占用预测与场景理解

• 端到端感知与实时决策系统

• 车路协同（V2I）交互技术

• 自动驾驶中的安全性与标准化问题

日程

📅 时间地点 ：2024年6月12日｜美国纳什维尔

主要发言人

论文投稿信息（Paper Track）

目前已全部完结！

接受以下两类投稿：

• 完整论文 ：8页（不含参考文献），将收录于会议论文集

• 扩展摘要 ：4页（不含参考文献）

❝

⚠️ 投稿须使用CVPR 2025官方LaTeX或Typst模板（完整论文为必选项，扩展摘要建议使用相同模板）。

🔗 投稿平台 ：OpenReview
https://openreview.net/group?id=thecvf.com/CVPR/2025/Workshop/DriveX#tab-your-consoles

⏰ 重要时间节点 ：

• 投稿系统开放时间：2025年2月26日

• 论文摘要提交截止时间：2025年3月25日（美国太平洋时间 23:59）/3月26日（格林尼治时间 23:59）

• 论文提交截止时间：同上

• 通知作者结果时间：2025年3月31日

• 最终录用版本提交截止时间：2025年4月7日（格林尼治时间 23:59）

论文奖项

为优秀投稿论文设立以下奖项：

• 最佳论文奖 ：奖金 500 美元 💰 + 荣誉证书 📜

• 最佳学生论文奖 ：奖金 300 美元 💰 + 荣誉证书 📜

• 最佳应用论文奖 ：奖金 200 美元 💰 + 荣誉证书 📜

欢迎广大研究者踊跃投稿，争夺荣誉与奖励！

🏆 挑战赛介绍（Challenge）

我们将在本次研讨会中举办为期10周的挑战赛 ，基于 TUMTraf V2X 协同感知数据集 （CVPR’24），https://tum-traffic-dataset.github.io/tumtraf-v2x/

该数据集包含高质量、真实场景下的V2X协同感知数据，专注于自动驾驶中的协作式3D目标检测与跟踪任务 。

🔗 数据集地址：https://innovation-mobility.com/en/project-providentia/a9-dataset/#anchor_release_4

🛠 我们还提供了完整的开发工具包（Dev Kit），https://github.com/tum-traffic-dataset/tum-traffic-dataset-dev-kit

方便您加载、预处理、可视化和评估模型性能。

📦 TUMTraf V2X 数据集亮点：

• 来自车载与路侧传感器的9种传感器同步采集数据

• 包含2,000个标注点云 和5,000张标注图像

• 共计30,000个带追踪ID的3D边界框

• 覆盖多种复杂交通场景 ：如近碰撞事件、交通违规、超车与U型转弯

• 提供高精地图 （HD Maps）

• 使用国际标准格式 OpenLABEL 进行标注

• 配套开发工具支持数据加载、预处理、可视化、标签转换与方法评估

---

🗓️ 比赛时间安排：

📊 评估指标说明：

• Precision（精确率） ：正确检测对象占总检测数的比例，衡量正样本预测准确性

• Recall（召回率） ：正确检测对象占实际所有对象的比例，衡量模型找出所有相关目标的能力

• 3D IoU（三维交并比） ：预测框与真实框体积的交并比，衡量空间重合度

• Position RMSE（位置均方根误差） ：预测位置与真实位置之间的均方根误差，评估定位精度

• Rotation RMSE（旋转角度误差） ：预测角度与真实角度的均方根误差，衡量方向估计误差

• 3D mAP（平均精度） ：在不同IoU阈值下3D检测的平均精度，综合反映检测性能

---

📤 提交流程说明：

使用 CoopDet3D 模型生成的检测结果需以 OpenLABEL 格式（.json 文件） 输出（参考示例）。若自行训练模型，请确保输出符合 OpenLABEL Schema 。对测试集的100帧生成检测文件后，请使用指定脚本将其合并为一个 submission.json 文件。

✅ 在提交至EvalAI排行榜前，请先在本地运行我们的评估脚本进行验证。

📌 最终将 submission.json 文件上传至 EvalAI 排行榜平台。排名靠前的团队将受邀在研讨会上展示方案，并获得荣誉与奖金奖励！

---

🏅 挑战赛奖项设置：

• 冠军（第一名）🏆 ：金牌 + 奖金500美元 💰

• 亚军（第二名）🥈 ：银牌 + 奖金300美元 💰

• 季军（第三名）🥉 ：铜牌 + 奖金200美元 💰

---

欢迎全球研究者踊跃参与，共同推动自动驾驶与V2X协同感知技术的发展！

组织者

受邀专家委员会

赞助方

Qualcomm 、Virtual Vehicle Research GmbH、Abaka AI、自动驾驶之心。其中自动驾驶之心是唯一一家国内机构/平台。

更多详情请前往：https://drivex-workshop.github.io/