自動運転アノテーション業界は 2024 年に世界モデルによって覆されるでしょうか?

1. データ アノテーション (特に BEV タスクに基づく) が直面する問題

BEV トランスフォーマー ベースのタスクの台頭により、データの依存関係の必要性が生じます。ますます重くなり、BEV タスクに基づくアノテーションの重要性がますます高まっています。現時点では、2D-3D 結合障害物アノテーション、再構成された点群クリップに基づく車線ライン、または占有タスク アノテーションのいずれであっても、依然としてコストが高すぎます (2D アノテーション タスクと比較すると、はるかに高価です)。もちろん、業界には大規模なモデルに基づいた半自動または自動のアノテーション スタディも多数あります。一方で、自動運転のデータ収集サイクルは長すぎ、データコンプライアンスに関する一連の問題が発生します。たとえば、平台トラックがカメラを横切るシーンや、街の車線数が多いところから少ないところ、または少ないところから多いところに変化するシーンを収集したい場合、そのようなものを特別に構築する収集スタッフが必要です。風景。

2.24 は世界モデルにとって特異点の瞬間となるでしょうか?

ワールド モデルの概念は広範囲に及び、センサー シミュレーションと考えることができます。 Tesla AI Day で、私はシミュレーション テクノロジーがデータ アノテーションに与える破壊的な影響を初めて目の当たりにしました。

図 1: テスラの自動注釈効果 図 2 4D 再構築効果

このニュースを最初に見たとき、私はとても驚きました。私はその伝統を覆すテスラ電気自動車を発見しました。ますます多くの研究者がこの分野に投資するにつれ、多くの優れた研究結果が得られています。 UniSim の自動運転シミュレーション システムには、リプレイ、動的なオブジェクトの挙動制御、フリービュー レンダリングなどの機能があり、これらの機能はトレーニング中のモデル研究者にとって非常に望ましい機能です。

LIDAR をシミュレートすることもできます。

詳細については、https://zhuanlan.zhihu.com/p/636695025 を参照してください。この方向については、さらに同様の研究があります。

NeuRAD: 自動運転のためのニューラル レンダリング

DrivingGaussian: 周囲の動的自動運転シーンのための複合ガウス スプラッティングメソッドは Nerf に関連しており、パイプライン全体が比較的重いです。もう一つの方向性は、普及に基づく研究の方向性です。良い研究も行われています。

BEVControl: BEV スケッチ レイアウトによるマルチパースペクティブの一貫性を備えたストリートビュー要素の正確な制御

BEVControl: ストリートの正確な制御-BEV スケッチ レイアウトによる複数視点の一貫性のあるビュー要素

##

テクノロジー開発が速すぎてセンサーシミュレーションの敷居が下がってきており、2024年には自動運転ラベリング業界に破壊的な製品が登場する可能性があります！

以上が自動運転アノテーション業界は 2024 年に世界モデルによって覆されるでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。