BEVFormer

BEVFormer

多摄像头鸟瞰图学习框架助力自动驾驶感知

BEVFormer是一个用于自动驾驶感知的开源框架,通过时空Transformer从多摄像头图像中学习统一的鸟瞰图表示。该方法利用预定义的网格查询,结合空间交叉注意力和时间自注意力机制,有效聚合多视角的空间和时序信息。在nuScenes测试集上,BEVFormer达到56.9%的NDS指标,显著超越现有方法,与激光雷达系统性能相当。这一创新为基于纯视觉的3D目标检测提供了新的基准。

BEVFormer多相机感知自动驾驶目标检测鸟瞰图表示Github开源项目
<div align="center">

BEVFormer:基于摄像头的检测的前沿基线

</div>

https://user-images.githubusercontent.com/27915819/161392594-fc0082f7-5c37-4919-830a-2dd423c1d025.mp4

BEVFormer:通过时空变换器从多摄像头图像学习鸟瞰图表示,ECCV 2022

新闻

  • [2022/6/16]:我们新增了两个BEVformer配置,比基础版本需要更少的GPU内存。请拉取此仓库以获取最新代码。
  • [2022/6/13]:我们发布了BEVFormer的初始版本。它在nuScenes上实现了51.7%的NDS基线结果。
  • [2022/5/23]:🚀🚀基于BEVFormer构建的BEVFormer++,集合了近期最佳实践和我们独特的修改,在Waymo开放数据集3D仅摄像头检测挑战赛中排名第一。我们将在CVPR 2022自动驾驶研讨会上展示BEVFormer++。
  • [2022/3/10]:🚀BEVFormer在nuScenes检测任务上以56.9% NDS(仅使用摄像头)达到了最新技术水平! </br>

摘要

在这项工作中,作者提出了一个名为BEVFormer的新框架,它通过时空变换器学习统一的BEV表示,以支持多个自动驾驶感知任务。简而言之,BEVFormer通过预定义的网格形BEV查询与空间和时间空间进行交互,从而利用空间和时间信息。为了聚合空间信息,作者设计了一种空间交叉注意力机制,每个BEV查询从跨摄像头视图的感兴趣区域提取空间特征。对于时间信息,作者提出了一种时间自注意力机制,以递归方式融合历史BEV信息。 该方法在nuScenes测试集上实现了新的最先进的56.9%的NDS指标,比之前的最佳技术高出9.0个百分点,并与基于LiDAR的基线性能相当。

方法

方法

入门指南

模型库

骨干网络方法学习率调度NDSmAP内存配置下载
R50BEVFormer-tiny_fp1624轮35.925.7-配置模型/日志
R50BEVFormer-tiny24轮35.425.26500M配置模型/日志
R101-DCNBEVFormer-small24轮47.937.010500M配置模型/日志
R101-DCNBEVFormer-base24轮51.741.628500M配置模型/日志
R50BEVformerV2-t1-base24轮42.635.123952M配置模型/日志
R50BEVformerV2-t1-base48轮43.935.923952M配置模型/日志
R50BEVformerV2-t124轮45.338.137579M配置模型/日志
R50BEVformerV2-t148轮46.539.537579M配置模型/日志
R50BEVformerV2-t224轮51.842.038954M配置模型/日志
R50BEVformerV2-t248轮52.643.138954M配置模型/日志
R50BEVformerV2-t824轮55.346.040392M配置模型/日志
BEVFormerV2模型和日志的百度网盘链接[https://pan.baidu.com/s/1ynzlAt1DQbH8NkqmisatTw?pwd=fdcv]在这里。

目录

  • BEVFormerV2 超查询
  • BEVFormerV2 优化,包括内存、速度、推理
  • BEVFormerV2 发布
  • BEV分割检查点
  • BEV分割代码
  • 3D检测检查点
  • 3D检测代码
  • 初始化

引用

如果本工作对您的研究有帮助,请考虑引用以下BibTeX条目。

@article{li2022bevformer,
  title={BEVFormer: Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers},
  author={Li, Zhiqi and Wang, Wenhai and Li, Hongyang and Xie, Enze and Sima, Chonghao and Lu, Tong and Qiao, Yu and Dai, Jifeng}
  journal={arXiv preprint arXiv:2203.17270},
  year={2022}
}
@article{Yang2022BEVFormerVA,
  title={BEVFormer v2: Adapting Modern Image Backbones to Bird's-Eye-View Recognition via Perspective Supervision},
  author={Chenyu Yang and Yuntao Chen and Haofei Tian and Chenxin Tao and Xizhou Zhu and Zhaoxiang Zhang and Gao Huang and Hongyang Li and Y. Qiao and Lewei Lu and Jie Zhou and Jifeng Dai},
  journal={ArXiv},
  year={2022},
}

致谢

非常感谢这些优秀的开源项目:

↳ 点赞者

Stargazers repo roster for @nastyox/Repo-Roster

↳ 分叉者

Forkers repo roster for @nastyox/Repo-Roster

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多