|极市线上分享第110期 |

一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过100位技术大咖嘉宾，并完成了109期极市线上直播分享。

往期分享请前往http://bbs.cvmart.net/topics/149，也欢迎各位小伙伴自荐或推荐更多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~

当前的3D感知模型遵循单数据集训练-测试范式。这种单数据集训练-测试范式面临两个主要挑战：1）3D感知数据集差异大：现有的3D感知数据集是由不同厂商采用不同类型传感器采集获得的，具有强的dataset-level数据分布差异、taxonomy分布差异；2）3D感知模型通用性弱：当感知模型在一个数据集(域)上训练并且直接部署到另一个数据集上时，通常会面临更严重的感知性能下降。

本次分享我们邀请到了上海人工智能实验室-智能交通平台（ADLab）团队-青年研究员张铂，为大家介绍他们CVPR 2023上的工作：

Bi3D: Bi-domain Active Learning for Cross-domain 3D Object Detection

Uni3D: A Unified Baseline for Multi-dataset 3D Object Detection

“本次talk主要针对目前3D感知模型单数据集训练-测试范式面临的主要两个挑战，结合我们初步探索的一些经验，简要介绍我们团队在CVPR-2023中发表的两篇论文：Uni3D和Bi3D，并分析如何在海量3D感知数据集中以较低的代价实现开放场景应用。”

01 直播信息

时间：2023年3月29日（周三）：20:00-21:00

主题：自动驾驶场景下模型通用表征学习与泛化性的思考

直播地址：

B站：http://live.bilibili.com/3344545

视频号：极市平台视频号

02 嘉宾介绍

张铂

2022年获复旦大学博士学位，研究方向为3D自动驾驶场景下的通用表征学习。现担任上海人工智能实验室-智能交通平台（ADLab）团队-青年研究员，负责研发3DTrans开源框架，其可以支持3D场景下的多数据集训练与单数据集模型迁移等任务。更多信息见个人主页：https://bobrown.github.io/boZhang.github.io/

03 关于分享

➤分享大纲

1.背景介绍：自动驾驶感知模型所面临的一些挑战

2.3DTrans解决这个方式的两个出发点

3.3DTrans: 模型通用表征学习与泛化性研究介绍

4.常见的领域适配任务

5.Bi3D: 主动学习领域适配介绍

6.Uni3D: 多数据集3D目标检测基线介绍

7.总结

➤论文

Bi3D: Bi-domain Active Learning for Cross-domain 3D Object Detection

论文地址：https://arxiv.org/abs/2303.05886

代码地址：https://github.com/PJLab-ADG/3DTrans

Uni3D: A Unified Baseline for Multi-dataset 3D Object Detection

论文地址：https://arxiv.org/abs/2303.06880

代码地址：https://github.com/PJLab-ADG/3D