據(jù)外媒報道，韓國蔚山科學(xué)技術(shù)院（UNIST）人工智能（AI）研究生院的Kyungdon Joo教授及其研究團(tuán)隊(duì)宣布開發(fā)出新穎的人工智能框架VPOcc，利用消失點(diǎn)在像素和特征層面上緩解2D-3D差異，旨在使基于攝像頭的自動駕駛汽車能夠更準(zhǔn)確地感知周圍環(huán)境。該方法解決了攝像頭輸入固有的透視失真問題，從而能夠更精確地理解場景。

圖片來源： UNIST

這項(xiàng)創(chuàng)新方法利用了消失點(diǎn)的幾何概念——一種在圖像中傳達(dá)深度和透視的藝術(shù)手法。

自動駕駛汽車和機(jī)器人主要通過攝像頭和激光雷達(dá)傳感器識別周圍環(huán)境。雖然攝像頭比激光雷達(dá)更經(jīng)濟(jì)實(shí)惠、重量更輕，并且能夠捕捉豐富的色彩和形狀信息，但由于將三維空間投影到二維圖像上，也帶來了一些嚴(yán)重的問題?？拷鼣z像頭的物體看起來更大，而遠(yuǎn)處的物體看起來更小，這會導(dǎo)致潛在的錯誤，例如漏檢遠(yuǎn)處的物體或過分強(qiáng)調(diào)附近區(qū)域。

為了應(yīng)對這一挑戰(zhàn)，研究團(tuán)隊(duì)設(shè)計(jì)了一個基于消失點(diǎn)（文藝復(fù)興時期畫家為描繪深度和透視而提出的一個概念，平行線似乎會匯聚在遠(yuǎn)處的一點(diǎn)）來重建場景信息的人工智能系統(tǒng)。正如人類通過識別平面畫布上的消失點(diǎn)來感知深度一樣，開發(fā)的人工智能模型也利用這一原理更準(zhǔn)確地恢復(fù)了攝像機(jī)鏡頭中的深度和空間關(guān)系。

VPOcc模型由三個關(guān)鍵模塊組成。第一個是VPZoomer，它通過基于消失點(diǎn)扭曲圖像來校正透視畸變。第二個是VP引導(dǎo)的交叉注意力（VPCA），它通過透視感知的特征聚合從近處和遠(yuǎn)處區(qū)域提取平衡的信息。第三個是特殊的體積融合（SVF），它融合原始圖像和校正后的圖像，以互補(bǔ)彼此的優(yōu)缺點(diǎn)。

實(shí)驗(yàn)結(jié)果表明，VPOcc在空間理解（以平均并集（mIoU）衡量）和場景重建精度（IoU）方面均優(yōu)于多個基準(zhǔn)測試中的現(xiàn)有模型。值得注意的是，它可以更有效地預(yù)測遠(yuǎn)處物體并區(qū)分重疊實(shí)體——這些能力對于在復(fù)雜道路環(huán)境中進(jìn)行自動駕駛至關(guān)重要。

這項(xiàng)研究由第一作者、UNIST研究員Junsu Kim領(lǐng)導(dǎo)，UNIST的Junhee Lee和美國卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）的團(tuán)隊(duì)也參與了研究。

Junsu Kim 解釋說：“將人類的空間感知融入人工智能，可以更有效地理解3D空間。我們的重點(diǎn)是通過解決攝像頭傳感器固有的視角限制，最大限度地發(fā)揮其潛力——它比激光雷達(dá)更經(jīng)濟(jì)、更輕便?！?/p>

Joo教授補(bǔ)充道：“這項(xiàng)開發(fā)的技術(shù)應(yīng)用范圍廣泛，不僅涵蓋機(jī)器人和自主系統(tǒng)，還涵蓋增強(qiáng)現(xiàn)實(shí)（AR）地圖等領(lǐng)域。”