近日,CVPR2022各項競賽結果陸續公佈, 位元組跳動智慧創作AI平台「Byte-IC-AutoML」團隊在基於合成資料的實例分割挑戰賽( Accessibility Vision and Autonomy Challenge ,下文簡稱AVA ) 中,憑藉自研的Parallel Pre-trained Transformers (PPT) 框架脫穎而出,成為該比賽唯一賽道的冠軍。
#論文地址#:https:/ /www.php.cn/link/ede529dfcbb2907e9760eea0875cdd12
本屆AVA競賽由波士頓大學(Boston University)和卡內基美隆大學(Carnegie Mellon University)聯合舉辦。
競賽透過渲染引擎得到一個合成的實例分割資料集,其中包含與身心障礙行人互動的自治系統的資料範例。 競賽目標是為無障礙相關人與物提供目標偵測和實例分割的基準和方法。
#資料集視覺化
- 領域泛化問題:本次比賽資料集皆為渲染引擎合成的影像, 資料domain 與自然影像有顯著差異;
- 長尾/少樣本問題:資料存在長尾分佈, 如"拐杖" 和"輪椅" 類別在資料集中更少, 分割效果也更差;
- 分割穩健性問題:些類別的分割效果非常差, 實例分割mAP 比目標偵測分割mAP 低30
#Byte-IC-AutoML團隊提出了一個Parallel Pre-trained Transformers (PPT)框架來完成。框架主要由三個模組組成:1)並行的大規模預訓練的Transformers;2)Balance Copy-Paste 資料增強;3)像素層級的非極大值抑制和模型融合;
#並行大規模預訓練Transformers最近很多的預訓練文章表明,大規模資料集預訓練的模型可以很好地泛化到不同的下游場景中。因此,團隊使用COCO 和BigDetection 資料集先對模型進行預訓練,這可以較大程度地緩解自然資料和合成資料之間的領域偏差,以便在下游的合成資料場景中用較少的樣本快速訓練。在模型層面, 考慮到 Vision Transformers 沒有 CNN 的歸納偏置, 更能享受預訓練帶來的好處,團隊使用 UniFormer 和CBNetV2。 UniFormer 統一了 convolution 和 self-attention,同時解決 local redundancy 和 global dependency 兩大問題,實現高效率的特徵學習。 CBNetV2 架構串接多個相同的主幹分組,這些主幹透過複合連接來建構高效能偵測器。模型的主幹特徵提取器都是 Swin Transformer。多個大規模預訓練的 Transformers 透過並行的方式排列,輸出的結果進行整合學習輸出最終的結果。
不同方法在驗證資料集上的mAP
Balance Copy-Paste 資料增強#Copy-Paste技術透過隨機貼上物件為實例分割模型提供了令人印象深刻的結果,尤其是對於長尾分佈下的資料集。然而,這種方法均衡地增加了所有類別的樣本,並未能從根本上緩解類別分佈的長尾問題。因此,團隊提出了Balance Copy-Paste 資料增強方法。 Balance Copy-Paste 根據類別的有效數量自適應地對類別進行採樣,提高了整體的樣本質量,緩解了樣本數少和長尾分佈的問題, 最終大幅提升了模型在實例分割上的 mAP。
Balance Copy-Paste資料增強技術帶來的提升
像素層級的非極大值抑制和模型融合
驗證集上的模型融合消融實驗
##測試集上的模型融合消融實驗
目前,城市和交通數據集更多的是通用場景, 只包含正常的交通工具和行人,數據集中缺乏關於殘疾人及行動不便的人, 以及其輔助設備的類別,利用目前已有數據集得到的檢測模型無法檢測出這些人與物體。
位元組跳動Byte-IC-AutoML團隊的這項技術方案,對目前自動駕駛和街道場景理解有廣泛應用:經過這些合成資料得到的模型可以識別出“輪椅”,“在輪椅上的人”,“拄拐杖的人”等少見的類別,不但能更加精細地對人群/物體進行劃分, 而且不會錯判誤判導致場景理解錯誤。此外, 透過這種合成資料的方式, 可以建構出真實世界中比較少見類別的資料, 從而訓練更加通用, 更加完善的目標檢測模型。
智慧創作是位元組跳動的多媒體創新科技研究所和綜合服務商。涵蓋了電腦視覺、圖形學、語音、拍攝編輯、特效、客戶端、AI平台、服務端工程等技術領域,在部門內部實現了前沿演算法-工程系統-產品全鏈路的閉環,旨在以多種形式向公司內部各業務線以及外部合作客戶提供業界最前沿的內容理解、內容創作、互動體驗與消費的能力和產業解決方案。團隊技術能力正透過火山引擎對外開放。
火山引擎是位元組跳動旗下的雲端服務平台,將位元組跳動快速發展過程中累積的成長方法、技術能力和工具開放給外部企業,提供雲端基礎、影片與內容分發、大數據、人工智慧、開發與維運等服務,幫助企業在數位升級中持續成長。
#
以上是無障礙出遊更安全!位元組跳動研究成果獲CVPR2022 AVA競賽冠軍的詳細內容。更多資訊請關注PHP中文網其他相關文章!

經常使用“ AI-Ready勞動力”一詞,但是在供應鏈行業中確實意味著什麼? 供應鏈管理協會(ASCM)首席執行官安倍·埃什肯納齊(Abe Eshkenazi)表示,它表示能夠評論家的專業人員

分散的AI革命正在悄悄地獲得動力。 本週五在德克薩斯州奧斯汀,Bittensor最終遊戲峰會標誌著一個關鍵時刻,將分散的AI(DEAI)從理論轉變為實際應用。 與閃閃發光的廣告不同

企業AI面臨數據集成挑戰 企業AI的應用面臨一項重大挑戰:構建能夠通過持續學習業務數據來保持準確性和實用性的系統。 NeMo微服務通過創建Nvidia所描述的“數據飛輪”來解決這個問題,允許AI系統通過持續接觸企業信息和用戶互動來保持相關性。 這個新推出的工具包包含五個關鍵微服務: NeMo Customizer 處理大型語言模型的微調,具有更高的訓練吞吐量。 NeMo Evaluator 提供針對自定義基準的AI模型簡化評估。 NeMo Guardrails 實施安全控制,以保持合規性和適當的

AI:藝術與設計的未來畫卷 人工智能(AI)正以前所未有的方式改變藝術與設計領域,其影響已不僅限於業餘愛好者,更深刻地波及專業人士。 AI生成的藝術作品和設計方案正在迅速取代傳統的素材圖片和許多交易性設計活動中的設計師,例如廣告、社交媒體圖片生成和網頁設計。 然而,專業藝術家和設計師也發現AI的實用價值。他們將AI作為輔助工具,探索新的美學可能性,融合不同的風格,創造新穎的視覺效果。 AI幫助藝術家和設計師自動化重複性任務,提出不同的設計元素並提供創意輸入。 AI支持風格遷移,即將一種圖像的風格應用

Zoom最初以其視頻會議平台而聞名,它通過創新使用Agentic AI來引領工作場所革命。 最近與Zoom的CTO XD黃的對話揭示了該公司雄心勃勃的願景。 定義代理AI 黃d

AI會徹底改變教育嗎? 這個問題是促使教育者和利益相關者的認真反思。 AI融入教育既提出了機遇和挑戰。 正如科技Edvocate的馬修·林奇(Matthew Lynch)所指出的那樣

美國科學研究和技術發展或將面臨挑戰,這或許是由於預算削減導致的。據《自然》雜誌報導,2025年1月至3月期間,美國科學家申請海外工作的數量比2024年同期增加了32%。此前一項民意調查顯示,75%的受訪研究人員正在考慮前往歐洲和加拿大尋找工作。 過去幾個月,數百項NIH和NSF的撥款被終止,NIH今年的新撥款減少了約23億美元,下降幅度接近三分之一。洩露的預算提案顯示,特朗普政府正在考慮大幅削減科學機構的預算,削減幅度可能高達50%。 基礎研究領域的動盪也影響了美國的一大優勢:吸引海外人才。 35

Openai推出了強大的GPT-4.1系列:一個專為現實世界應用設計的三種高級語言模型家族。 這種巨大的飛躍提供了更快的響應時間,增強的理解和大幅降低了成本


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 英文版
推薦:為Win版本,支援程式碼提示!

mPDF
mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

SAP NetWeaver Server Adapter for Eclipse
將Eclipse與SAP NetWeaver應用伺服器整合。