NVIDIA 自動駕駛實驗室：如何通過 AI 分割模型增強自動駕駛安全性

編輯注：NVIDIA 自動駕駛實驗室系列視頻，將以工程技術為重點的視角關注實現自動駕駛汽車的各個挑戰以及 NVIDIA DRIVE AV 軟件團隊如何應對這些問題。

對于自動駕駛汽車而言，準確的環境感知至關重要，在處理未知條件時尤為明顯。

本期自動駕駛實驗室視頻中，將討論一種名為 SegFormer 的 Vision Transformer 模型，它能夠在保持高效率的同時生成魯棒的語義分割結果。

觀看視頻，了解 SegFormer 背后的機制，及其具有魯棒性（robustness）和高效性的原理：

0000

使用 SegFormer 實現魯棒的感知技術

0005

準確性和魯棒性對于自動駕駛汽車開發的重要性

0021

什么是 SegFormer？

0037

卷積神經網絡（CNN）與 Transformer 模型的區別

0033

在 MB 的 Cityscapes 數據集上測試語義分割結果

0022

JPEG 壓縮對 SegFormer 的影響

0040

SegFormer 如何理解未知條件

0056

了解更多關于自動駕駛汽車應用中的分割技術

NVIDIA DRIVE 相關資源

在 GitHub 上獲悉更多細節:

https://github.com/NVlabs/SegFormer

閱讀論文《SegFormer：基于 Transformer 的簡單高效的語義分割設計（SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers）》:

https://arxiv.org/abs/2105.15203

點擊“閱讀原文”，觀看更多 NVIDIA 自動駕駛實驗室系列視頻。

掃描下方海報二維碼，觀看 NVIDIA 創始人兼 CEO 黃仁勛在 COMPUTEX 2023 的主題演講直播回放，主題演講中文字幕版已上線，了解 AI、圖形及其他領域的最新進展！