ECCV 2024：绽放视觉语义解救限制领航者，中科视语卓绝时代再获民众第一

中科视语，卓绝时代实力再获外洋泰斗认同！

不久前，2024算计机视觉限制的顶级学术会议ECCV在民众眼神注意中顺利收场，ECCV的全称是European Conference on Computer Vision（欧洲算计机视觉外洋会议），是两年一度的民众算计机视觉限制与样式识别限制最顶尖的学术会议。其与CVPR(IEEE/CVF Computer Vision and Pattern Recognition Conference)、ICCV(IEEE/CVF International Conference on Computer Vision)沿路并称为算计机视觉限制的三大最高等别的顶级会议。本次会议上，备受眷注的绽放宇宙鲁棒语义分割挑战赛BRAVO 2024 (a unified Benchmark for Robustness in Autonomous Vehicles in the Open-world，简称BRAVO)也在同期结果了“巅峰对决”，在本次比赛中，中科视语AI团队以62.6的出色收获，从民众17个国度和地区，百余支顶尖AI团队中脱颖而出，摘下桂冠。这亦然中科视语在2024年登顶工业额外检测挑战赛桂冠后，面向图像语义分割时代的又一次实力展示。

中科视语AI团队斩获 多域图像语义分割 赛谈(BRAVO 2024）赛谈第又名

绽放宇宙鲁棒语义分割挑战赛BRAVO

自动驾驶汽车需要在极其复杂的绽放宇宙中启动，保险乘客安全极其进犯。因此，自动驾驶系统不仅需要在其已知域中发扬出色，何况必须对抵挡性挫折、极点天气要求、未知域环境、或荒僻但可能具有灾荒性的驾驶情况，具有至极高的鲁棒性。BRAVO比赛旨在引诱、测试以及评估自动驾驶感知模子的鲁棒性，以支吾以下以安全自动驾驶为缱绻的挑战：a）模子输出的校准偏激不笃定性的忖度；b）检测域外缱绻或者区域；c）评估安稳偏离预期已知域的域偏移过程。

BRAVO比赛旨在对城市集景中各类神志的当然要求和传神的损坏模拟，对图像语义分割模子进行基准测试。本次BRAVO比赛分为两个赛谈：

1.单域历练：仅在 Cityscapes 数据集上历练模子，评估模子在有限监督和地舆各类性下，靠近执行场景中不测损坏时的鲁棒性。

2.多域历练：在多个羼杂数据集上历练模子，包括当然域和合成域，评估分割模子在多域数据集要求下对未知域的鲁棒性。

BRAVO比赛需要模子在测试阶段，或者（1）对历练时“特定的环境”下对“已知类别”进行语义分割；（2）对历练阶段“未知的环境”下对“已知类别”进行语义分割；（3）对历练时“特定的环境”下对“额外类别”进行语义分割；（4）对历练阶段“未知的环境”下对“额外类别”进行语义分割。BRAVO比赛要求模子具有极高的鲁棒性和泛化本领。

BRAVO四种测试数据类型泄漏图

基于不笃定度度量学习的图像语义分割步调UBANet

为了灵验识别出额外类别，同期或者提高模子的泛化本领，盘考团队提议了基于不笃定度度量学习的图像语义分割步调UBANet，通过对模子瞻望的不笃定度进行建模和函数雷同，从而优化模子瞻望的不笃定度，提高模子关于已知类别和未知类别的永别度，进一步增强模子的泛化本领。

UBANet 结构图

先验指点结构联想的FastSAM 细粒度分割步调

为了进一步优化语义分割的旯旮准确性，盘考团队接管FastSAM来对模子的瞻望罢休进行旯旮平滑。FastSAM包括两个阶段，即全实例分割和教唆指点遴荐阶段。前一个阶段是基础阶段，第二个阶段实质上是面向任务的后处理。举座步调引入了与视觉分割任务相匹配的先验常识，不错在较少的参数数目下更快地管理。

FastSAM 结构图

图像语义分割灵验助力奢睿交通和奢睿工业终了驾驭落地

中科视语AI团队通过在图像语义分割限制多年的深耕，蕴蓄了丰富的盘考教导与繁多驾驭落地案例。

在奢睿交通限制，中科视语展现出强盛的实力，高效地完成了从先进时代到贸易化落地的振荡。奢睿交通拳头居品借助图像语义分割时代，对交通场景推行实时监控，精确识别车辆、行东谈主、交通象征等，为交通解决部门提供可靠有缱绻依据。同期，该时代还具备交通流量统计、事故预警等强盛功能，为奢睿交通的怡悦发展提供坚实时代复旧。

在谈路污点检测方面，图像语义分割再度彰显要道作用。通过中科视语先进算法，终了对谈路图像进行缜密分析，自动识别轻佻、坑洼等各种污点，准确永别谈路不同部分并定位污点位置。这一时代大幅进步检测效果，缩小东谈主工巡检老本与时辰，终了实时监测，实时发现谈路问题，为谈路着重提供精确信息，有劲鞭策交通基础设施不休完善。

除此以外，图像语义分割在无东谈主驾驶限制阐扬着至关进犯的作用。它或者对车辆周围的环境进行精确分析，永别谈路、车辆、行东谈主、交通象征等不同元素。通过图像语义分割时代，无东谈主驾驶汽车不错准确识别行驶旅途，实时隐匿隔断物，极地面提高行驶的安全性。同期，该时代还能匡助车辆更好地解救交通场景，补助有缱绻。图像语义分割为无东谈主驾驶的终了提供了强盛的时代支握，鞭策着无东谈主驾驶时代不休上前发展。

在工业限制，图像语义分割通常价值盛大。在工业安全出产方面，终了对工场环境实时监测分析，准确识别确立启动景色、东谈主员操作举止及潜在安全隐患区域，实时发出预警，灵验缩小安全事故发生概率。在工业质检本事，更是武艺额外，精确永别居品不同部位，快速检测出名义污点、尺寸偏差等问题，提高质检效果与准确性，减少东谈主为邪恶，确保居品性量一致性与可靠性，为工业限制的安全出产与高质料发展提供强盛复旧。

参考文件：

[1] Tuan-Hung Vu, Eduardo Valle, Andrei Bursuc, Tommie Kerssies, Daan de Geus, Gijs Dubbelman, Long Qian, Bingke Zhu, Yingying Chen, Ming Tang, Jinqiao Wang, Tomás Vojír, Jan Sochman, Jirí Matas, Michael Smith, Frank P. Ferrie, Shamik Basu, Christos Sakaridis, Luc Van Gool: The BRAVO Semantic Segmentation Challenge Results in UNCV2024. CoRR abs/2409.15107 (2024)

[2] Yuanbing Zhu, Bingke Zhu, Yingying Chen, Jinqiao Wang: Uncertainty-Aware Boundary Attention Network for Real-Time Semantic Segmentation. PRCV (3) 2023: 388-400

[3] Xu Zhao, Wenchao Ding, Yongqi An, Yinglong Du, Tao Yu, Min Li, Ming Tang, Jinqiao Wang: Fast Segment Anything. CoRR abs/2306.12156 (2023)