自动驾驶 nlp_自动驾驶noa

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

论文作者 | 汽车人

编辑 | 自动驾驶之心

欢迎关注和参与 WACV 2024 自动驾驶大语言视觉模型研讨会(LLVM-AD)

导语：为了汇集学术界和工业界专业人士，共同探索多模态大模型在自动驾驶及高精地图中的应用，我们推出了“自动驾驶大语言视觉模型研讨会(LLVM-AD)”，发布了跨模态（点云 BEV、照片、语言）特色数据集——MAPLM，多模态语言问答任务比赛，并征集相关论文投稿，欢迎各位积极参与。

研讨会介绍

WACV 全称：Winter Conference on Applications of Computer Vision，是领域内著名的计算机视觉应用会议之一，每年举办一次。
腾讯地图HD 自动化团队，联合伊利诺伊大学厄巴纳-香槟分校（University of Illinois Urbana- Champaign）、普渡大学（Purdue University）以及弗吉尼亚大学（University of Virginia），共同发起了WACV 旗下专题研讨会——自动驾驶大语言视觉模型研讨会(LLVM-AD)，英文全称：1st Workshop on Large Language and Vision Models for Autonomous Driving。
本次研讨会以“多模态大模型在自动驾驶中的应用”为特色主题，针对计算机视觉、大语言模型、自动驾驶、高精度地图等一系列领域的议题，组织论文投稿，并发布特色数据集MAPLM 以及多模态问答任务比赛。研讨会旨在汇集学术界和工业界的专业人士，探索大型语言和视觉模型在自动驾驶以及高精地图中的应用，欢迎各位积极投稿论文或打榜，表现优秀的在校学生，可优先获得腾讯地图感知算法岗实习机会。关于数据集和比赛内容可随时关注：

官方主页：LLVM-AD Workshop @ WACV 2024
官方 GIT 网址：GitHub – LLVM-AD/MAPLM: MAPLM: A Large-Scale Vision-Language Dataset for Map and Traffic Scene Understanding

特色数据集 MAPLM 介绍

腾讯地图 HD 自动化团队、伊利诺伊大学厄巴纳-香槟分校（University of Illinois Urbana- Champaign）、普渡大学（Purdue University）以及弗吉尼亚大学（University of Virginia）联合推出了业界首个多模态语言+ 视觉（点云BEV+环视图像）交通场景理解数据集：MAPLM。数据集包含丰富的道路场景的点云和图像资料，并配套多个层级的场景描述信息，让模型学会处理更复杂多变的交通环境。

场景资料：

MAPLM 提供了包含高速、快速路、城市道路、乡村道路在内的各类交通场景图像资料，并包含丰富的路口场景。每一帧数据资料包括两个部分：

点云 BEV：3D 点云在 BEV 视角下的投影图，图像清晰，分辨率高
环视图像：广角相机拍摄的前视、左后、右后三个方向的高分辨率照片（照片约为 4k*3k 竖幅，下图展示的仅为裁切后的示例）

描述标签：

要素级：车道线、地面标志、停止线、路口区域等
车道级：车道类型、通行方向、转向类别等
道路级：场景类型、道路数据质量、路口结构等

开源数据集获取方式：

GIT 地址：GitHub – LLVM-AD/ucu-dataset
数据筹备中，近期发布，数据介绍说明、引用方式等均在 GIT 网址中详细说明

多模态问答任务比赛介绍

依托上述数据集中丰富的道路交通场景信息，我们设计了基于 ScienceQA 的自然语言与图像结合的问答任务。

任务介绍：

我们提供以下数据或先验输入：

点云 BEV 图像：3D 点云在 BEV 视角下的投影图
环视影像：广角相机拍摄，每帧包含前视，左后，右后三个拍摄角度
投影转换参数：每帧数据照片与点云图像的透视投影转换参数

任务问题形式：针对各个维度的标签，我们会随机提供对应标签的自然语言问题，标签维度包括但不限于场景类型，车道个数及属性信息，是否包含路口等。具体示例如下：

我们通过 ScienceQA 特色的 matrix 问答评估方式，来衡量模型能力得分。比赛提供评测方法和测试集，附带详细说明，随数据集一同发布。欢迎随时关注官方 GIT 网址：GitHub – LLVM- AD/MAPLM: MAPLM: A Large-Scale Vision-Language Dataset for Map and Traffic Scene Understanding

论文征集与线下分享

本次研讨会以“多模态大模型在自动驾驶中的应用”为特色主题进行论文征稿，欢迎计算机视觉、自然语言、模式识别等领域的学者，或自动驾驶、高精地图等相关领域从业者投稿，鼓励论文与比赛关联投递。论文投稿提供 CMT 链接，详见官方主页介绍：Call for Papers | LLVM- AD Workshop @ WACV 2024。
投递时间安排：

投递截止日期：2023 年 10 月 23 日
接收通知日期：2023 年 11 月 13 日
发布日期：2023 年 11 月 19 日

另外，我们将在 2024 年 1 月初（取决于 WACV 组委会安排）举行为期半天的线下学术交流活动，包括优秀论文海报宣传和现场陈述介绍，并邀请学术界和工业界著名研究人员进行演讲，欢迎各位届时参与。

联系方式

以上关于数据集，比赛，论文征稿有任何问题，欢迎咨询：

chrisczheng@tencent.com
kyriezhou@tencent.com

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、协同感知、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码即可学习）

视频官网：www.zdjszx.com

② 国内首个自动驾驶学习社区

近2000人的交流社区，涉及30+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处理、端到端自动驾驶、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）