Talk | 香港中文大学(深圳)计算机信息工程在读博士生郑超达:以运动为导向的点云单目标跟踪

本文主要是介绍Talk | 香港中文大学(深圳)计算机信息工程在读博士生郑超达:以运动为导向的点云单目标跟踪,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本期为TechBeat人工智能社区第 413 线上Talk,也是CVPR 2022系列Talk第②弹!

北京时间6月16(周四)20:00香港中文大学(深圳)计算机信息工程在读博士生——郑超达的Talk将准时在TechBeat人工智能社区开播!

他与大家分享的主题是: “以运动为导向的点云单目标跟踪”,届时将分享以运动为中心的跟踪范式,大幅提升了LiDAR单目标跟踪的性能。

TechBeatTechBeat是荟聚全球华人AI精英的成长社区,每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验,加速并陪伴其成长。https://datayi.cn/w/GR4vQ82o更多CPVR相关活动,快来戳👉CVPR 2022云际会,26位嘉宾、4个技术团队、10场线上活动,戳此加入活动交流群!

Talk·信息

主题:以运动为导向的点云单目标跟踪

嘉宾:香港中文大学(深圳)计算机信息工程在读博士生 郑超达

时间:北京时间 6月16日 (周四) 20:00

地点:TechBeat人工智能社区

http://www.techbeat.net/

长按识别二维码,一键预约TALK!

Talk·介绍

LiDAR场景中的单目标跟踪问题在近年来取得了不错的进步。当前方法几乎都遵循了在2D任务上十分流行的孪生范式(Siamese Paradigm),使用外观匹配来在未知的区域对目标进行搜索。但是LiDAR点云的稀疏性、残缺性以及缺乏纹理的特点使得孪生范式在干扰项众多的场景下表现欠佳。为了缓解这个问题,我们从物体的运动出发,提出了以运动为中心的跟踪范式,大幅提升了LiDAR单目标跟踪的性能。

具体分享提纲如下:

1. 单目标跟踪任务介绍

2. 单目标跟踪在LiDAR点云上的发展

3. 以运动为导向的点云单目标跟踪

Talk·预习资料

  • PTTR: Relational 3D Point Cloud Object Tracking with Transformer (CVPR2022)

  • 3D Object Tracking with Transformer (BMVC2021)

  • PTT: Point-Track-Transformer Module for 3D Single Object Tracking in Point Clouds (IROS2021)

  • Box-Aware Feature Enhancement for Single Object Tracking on Point Clouds(ICCV 2021)

  • 3D Siamese Voxel-to-BEV Tracker for Sparse Point Clouds (NIPS2021)

  • Leveraging shape completion for 3d siamese tracking (CVPR2019)

  • P2b: Point-to-box network for 3d object tracking in point clouds (CVPR2020)

  • High performance visual tracking with siamese region proposal network (CVPR2018)

项目代码和项目主页:

Code:https://github.com/Ghostish/Open3DSOT

Project Page:https://ghostish.github.io/MM-Track/

Talk·提问交流

通过以下两种方式提问都将获得微信现金红包奖励哦!

方式 ①

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!

方式 ②

在本文留言区直接提出你的问题,或扫描下方二维码提问!

快来提问啦!

Talk·嘉宾介绍

郑超达

 香港中文大学(深圳)计算机信息工程在读博士生

本科和硕士毕业于华南理工大学计算机科学与工程学院,现就读于香港中文大学(深圳),是计算机信息工程(CIE)专业的一名博二的在读PhD。研究方向为三维计算机视觉,主要着重于点云分析领域,如单目标跟踪,语义分割等。已在CVPR、ICCV、TIP等会议和期刊发表了数篇论文。

-The End-

如果你也想成为讲者

 自荐 / 推荐 

单人Talk | 团队专场 | 录播or直播 | 闭门交流

多种方式任你选择!

推荐讲者成功也有奖励哦~

关于TechBeat人工智能社区

TechBeat(TechBeat)隶属于将门创投,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>>TechBeat,一个荟聚全球华人AI精英的学习成长社区

这篇关于Talk | 香港中文大学(深圳)计算机信息工程在读博士生郑超达:以运动为导向的点云单目标跟踪的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/161524

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

Jenkins构建Maven聚合工程,指定构建子模块

一、设置单独编译构建子模块 配置: 1、Root POM指向父pom.xml 2、Goals and options指定构建模块的参数: mvn -pl project1/project1-son -am clean package 单独构建project1-son项目以及它所依赖的其它项目。 说明: mvn clean package -pl 父级模块名/子模块名 -am参数

Unity3D 运动之Move函数和translate

CharacterController.Move 移动 function Move (motion : Vector3) : CollisionFlags Description描述 A more complex move function taking absolute movement deltas. 一个更加复杂的运动函数,每次都绝对运动。 Attempts to

Verybot之OpenCV应用三:色标跟踪

下面的这个应用主要完成的是Verybot跟踪色标的功能,识别部分还是居于OpenCV编写,色标跟踪一般需要将图像的颜色模式进行转换,将RGB转换为HSV,因为对HSV格式下的图像进行识别时受光线的影响比较小,但是也有采用RGB模式来进行识别的情况,这种情况一般光线条件比较固定,背景跟识别物在颜色上很容易区分出来。         下面这个程序的流程大致是这样的:

[数据集][目标检测]血细胞检测数据集VOC+YOLO格式2757张4类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):2757 标注数量(xml文件个数):2757 标注数量(txt文件个数):2757 标注类别数:4 标注类别名称:["Platelets","RBC","WBC","sickle cell"] 每个类别标注的框数:

Linux内置的审计跟踪工具:last命令

如果你是一个服务器管理员,你或许知道你要保护你的服务器的话,不仅是从外部,还要从内部保护。Linux有一个内置工具来看到最后登陆服务器的用户,可以帮助你保护服务器。   这个命令是last。它对于追踪非常有用。让我们来看一下last可以为你做些什么。   last命令的功能是什么   last显示的是自/var/log/wtmp文件创建起所有登录(和登出)的用户。这个文件是二进制

YOLOv8/v10+DeepSORT多目标车辆跟踪(车辆检测/跟踪/车辆计数/测速/禁停区域/绘制进出线/绘制禁停区域/车道车辆统计)

01:YOLOv8 + DeepSort 车辆跟踪 该项目利用YOLOv8作为目标检测模型,DeepSort用于多目标跟踪。YOLOv8负责从视频帧中检测出车辆的位置,而DeepSort则负责关联这些检测结果,从而实现车辆的持续跟踪。这种组合使得系统能够在视频流中准确地识别并跟随特定车辆。 02:YOLOv8 + DeepSort 车辆跟踪 + 任意绘制进出线 在此基础上增加了用户

[数据集][目标检测]智慧农业草莓叶子病虫害检测数据集VOC+YOLO格式4040张9类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):4040 标注数量(xml文件个数):4040 标注数量(txt文件个数):4040 标注类别数:9 标注类别名称:["acalcerosis","fertilizer","flower","fruit","grey

二、Maven工程的创建--JavaSEJavaEE

1、idea创建Maven JavaSE工程:  2、idea创建Maven JavaEE工程:   (1)手动创建 (2)插件方式创建 在idea里安装插件JBLJavaToWeb; 选择需要生成的项目文件后,右击: 项目的webapp文件夹出现小蓝点,代表成功。