本期为TechBeat人工智能社区第492期线上Talk！

北京时间4月26日(周三)20:00，香港中文大学在读博士生—陈玉康的Talk将准时在TechBeat人工智能社区开播！他与大家分享的主题是: “VoxelNeXt实现全稀疏3D检测跟踪，结合SAM加速3D标注”，届时将分享全稀疏的3D 检测框架 VoxelNeXt的成果。

Talk·信息

主题：VoxelNeXt实现全稀疏3D检测跟踪，结合SAM加速3D标注

嘉宾：香港中文大学在读博士生 陈玉康

时间：北京时间 4月26日 (周三) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

Talk·介绍

目前，自动驾驶场景的3D检测方法大多采用稠密特征的检测头，而3D点云数据本身是稀疏的，这无疑是一种低效和浪费计算量的做法。我们提出了一种全稀疏的3D 检测框架 VoxelNeXt.该方法可以直接从稀疏的体素特征来预测3D物体，无需借助成anchor, center, voting等中间状态的媒介。此外，该方法在取得检测速度优势的同时，还能很好地帮助多目标跟踪。VoxelNeXt在大规模公开数据集nuScenes、Waymo、Argoverse2上都取得了很好的效果，并在Argoverse2 LiDAR 检测和nuScenes LiDAR多目标跟踪上取得SOTA. 此外，VoxelNeXt由于其全稀疏的特性，能够很好地结合 Segment Anything，在点击图像的同时不仅能获得2D mask，还能获得 3D box，可以在很大程度上方便3D物体的标注。 

Talk大纲

1.VoxelNeXt的动机 

2.VoxelNeXt的方法细节 

3.VoxelNeXt的实验结果 

4. 总结 

5. Context Cluster与Segment Anything的结合

Talk·预习资料

Github:

https://github.com/dvlab-research/VoxelNeXt

https://github.com/dvlab-research/3D-Box-Segment-Anything

Talk·提问交流

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

香港中文大学博士三年级，师从贾佳亚教授。研究方向为Efficient CV，相关课题包括AutoML、自动驾驶等。已发表顶会顶刊15篇，其中一作8篇，代表工作包括DetNAS、Focal Sparse Conv、VoxelNeXt。曾获夺得Microsoft COCO 2019 年检测与实例分割比赛冠军，多次取得自动驾驶知名榜单第一，包括nuScenes雷达检测、多目标跟踪、SemanticKITTI语义分割等。

-The End-

关于TechBeat人工智能社区

TechBeat (www.techbeat.net) 是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。 期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ