論文研究的是3D視覺領(lǐng)域經(jīng)典問題，通過單張圖像求解3D物體在真實(shí)世界里的位姿（位置和朝向）。這一技術(shù)方向應(yīng)用前景廣闊，是自動駕駛、機(jī)器人等行業(yè)的基礎(chǔ)技術(shù)。比如在自動駕駛中，只有先計算出周邊車輛的位姿，判斷對方究竟是要加速、剎車還是變道，己方車輛才能做出對應(yīng)操作，計算不準(zhǔn)或者過慢都有可能引發(fā)事故。

通過單張圖像定位3D物體極具挑戰(zhàn)性。一般有兩類解決方法：一類是基于幾何推理，例如PnP算法，可解釋性好、泛化能力強(qiáng)，但需要提前知道物體的尺寸和形狀，具有較大的局限性；另一類是深度學(xué)習(xí)方法，可預(yù)測3D物體的位置坐標(biāo)和朝向角度，但在小規(guī)模數(shù)據(jù)集上容易過擬合。

獲獎?wù)撐奶岢龅男路椒‥Pro-PnP，創(chuàng)造性地引入概率分布，將幾何推理和深度學(xué)習(xí)兩種方法無縫銜接，形成了一個端到端的易用模型，可以快速估算3D物體的位姿。實(shí)驗(yàn)證明，新模型通用性強(qiáng)、定位準(zhǔn)確，不需要提前知道物體的幾何形狀；更要重的是非常簡潔，效率較高，且具有較好的可解釋性，有望用于自動駕駛、機(jī)器人、無人機(jī)、AR等諸多需要通過視覺來估算物體位姿的場景。

據(jù)了解，論文第一作者陳涵晟本碩都就讀于同濟(jì)大學(xué)汽車學(xué)院，目前研究生二年級在讀，導(dǎo)師為熊璐教授，副導(dǎo)師為田煒助理教授，達(dá)摩院導(dǎo)師為王丕超博士。他的研究方向是計算機(jī)視覺中的3D物體位姿估計，研一就已在CVPR發(fā)表論文。2021年到阿里達(dá)摩院做研究型實(shí)習(xí)生后，在達(dá)摩院日常研究討論中碰撞出靈感，嘗試去構(gòu)造統(tǒng)一的理論框架?！拔以瓉硪詾檫@篇論文可能比較冷門，因?yàn)樘珨?shù)學(xué)，沒想到能夠獲獎?！标惡烧f。

論文第一通訊作者、達(dá)摩院算法專家王丕超博士表示，這篇論文特別之處在于，用數(shù)學(xué)的方式解決AI底層問題，帶來了基礎(chǔ)理論上的突破，對3D視覺領(lǐng)域的研究和應(yīng)用都將產(chǎn)生積極影響?！昂诵膭?chuàng)新是轉(zhuǎn)換數(shù)學(xué)視角，引入概率密度，把不可導(dǎo)的函數(shù)變成可導(dǎo)，所以能通過反向傳播來訓(xùn)練深度網(wǎng)絡(luò)，最終實(shí)現(xiàn)穩(wěn)定收斂，提升3D物體的定位精度?！?/p>

據(jù)悉，研究型實(shí)習(xí)生是阿里巴巴在2017年創(chuàng)立的科研項(xiàng)目，已為全球200多所頂尖高校的1000多名學(xué)子提供科研崗位。

論文鏈接：https://arxiv.org/abs/2203.13254

xiesc