華為最新的論文《VisionPAD: A Vision-Centric Pre-training Paradigm for Autonomous Driving》,10位作者中有5位來自華為諾亞方舟實驗室,其余基本都是香港中文大學,且這其中還有3個人是在華為諾亞方舟實驗室實習,可以說有8個人來自華為諾亞方舟實驗室。VisionPAD提出了一種比較新穎的預訓練方法來提升OCC性能,將OCC性能關(guān)鍵指標mIoU推高到45%,達到業(yè)內(nèi)第一,學術(shù)界一般研究超前課題,但華為依然研究BEV+OCC,顯示出傳統(tǒng)算法還有很強的生命力。
Occupancy Network并非特斯拉發(fā)明,最先提出Occupancy Network的是2018年的論文《Occupancy Networks: Learning 3D Reconstruction in Function Space》,主要作者是Tubingen大學和博世旗下軟件公司ETAS。更早可以追溯至2012年的論文《Indoor Segmentation and Support Inference from RGBD Images》,主要作者是紐約大學。而最早可以追溯到1986年的論文《A computational approach to edge detection》。Occupancy Network源自語義分割,語義分割需要連續(xù)邊界而不是傳統(tǒng)的Bounding Box(一般會縮寫為BBox),語義分割再加上2D或3D重建,就是Occupancy Network。不過讓Occupancy Network揚名天下的是特斯拉。