新型 MvACon 人工智能系统提高自动驾驶汽车的感知精度

北卡罗来纳州立大学的研究人员https://openaccess.thecvf.com/content/CVPR2024/papers/Liu_Multi-View_Attentive_Contextualization_for_Multi-View_3D_Object_Detection_CVPR_2024_paper.pdf一种帮助自动驾驶汽车更好地感知周围事物的新方法。他们将这种新方法命名为 "多视角注意情境化"（MvACon），它解决了当前视觉转换器人工智能系统中的一些常见问题。

他们使用 nuScenes 数据集（用于自动驾驶的流行数据集）进行了多次测试，MvACon 成功提高了多个顶级视觉系统的检测准确率。当他们将 MvACon 与 BEVFormer 系统结合使用时，发现 MvACon 在确定物体位置、预测物体朝向、甚至近似判断物体移动速度方面都有明显改善。

研究小组发现，MvACon 的注意力方法专注于集群，能保持对车辆和附近结构的敏锐检测。他们称这种方法为 "本地物体-上下文感知坐标系"，这意味着系统能更好地感知空间，这对追踪物体的移动和面貌大有帮助。

这项技术的创新之处在于，它可以很容易地添加到当前的自动驾驶汽车视觉系统中，而不需要额外的硬件。而且，无论在何种设置下使用，它都能持续提高性能。

测试表明，即使在有多个拥挤物体的挑战性场景中，该系统也能有效发挥作用。