端到端架构黑魔法:ICLR'25 大一统架构的DriveTransformer

大模型机器学习算法

尽管目前各大车企都已“调转车头”,投入端到端自动驾驶技术的研发中,

但是端到端自动驾驶方案都高度依赖于BEV,严重限制了其Scale Up潜力。 ICLR2025

最新收录的一篇论文设计了一套不同于以往Scale Up Vision Backbone算法的,以Decoder为核心的无需BEV的大一统架构。

picture.image

DriveTransformer在一定程度上标志着端到端技术从“依赖特定视角”向“动态自适应”的范式转变。

3月20日

周四)

杨导师带你学习

《端到端架构黑魔法:大一统架构的DriveTransformer》论文入手,详细拆解架构,找创新点,算法框架选择,实验评估里的方法比较!并探索多模态融合与任务并行化新路径。

扫码免费预约直播课!凡预约还可领取20+篇自动驾驶多模态感知相关论文➕24个Occ工作代码+数据集+论文➕还有102篇VLM论文➕34篇端到端论文。更有额外福利9.9购原价299自动驾驶直播课!

picture.image

picture.image

直播课内容概览

01 论文引言

  • DriveTransformer的核心根据

02 相关工作

  • E2E-AD的历史
  • DETR风格的解码策略
  • 统一的BEV分割框架

03 DriveTransformer设计 (重点)

  • 初始化 & Tokenization
  • Token之间的共同交互
  • DETR风格的任务头设计
  • 损失函数及其优化

04 实验要点 (重点)

  • 数据集 & benchmark
  • 主实验分析
  • 消融实验分析
  • 鲁棒性分析

👇🏻 扫描二维码找助教 0元 预约 直播课!

picture.image

05 总结与展望

  • 任务并行:所有智能体、地图与规划查询直接交互,打破串行模式限制

导师介绍

杨导师

【简介】毕业于知名计算机名校。博士期间研究方向聚焦为计算机视觉,自然语言处理,高效的深度学习训练和推理方法,大语言模型轻量化与高效微调技术。曾在多家公司担任算法研究员,并进行计算机视觉,高效模型压缩算法,多模态大语言模型的研究,包括模型量化,剪枝,蒸馏,编译以及高效稀疏化训练与推理。

【科研成果】在国际顶级会议CVPR,ICCV, EMNLP等发表13篇论文,并担任CVPR,ICCV,ECCV,ICML,ICLR, NeurIPS等重要会议和期刊的审稿人。多项发明专利,指导学生有耐心,教学严谨,思维逻辑缜密,已经指导数十篇论文。对于成果好的学生,帮助学生写推荐信和指导申请硕/博申请。

【招收学生方向】计算机视觉,自然语言处理,高效模型压缩算法,多模态大语言模型,包括模型量化,剪枝,蒸馏,编译以及高效稀疏化训练与推理

研梦非凡科研论文指导

unset

unset

如果你的研究方向/方法/idea是属于 CV全方向/NLP全方向/机器学习/深度学习及AI+金融、医疗、交通等方向, 如果你需要发 CCF A-C、SCI一区-四区、EI会议/EI期刊、毕业大论文、毕业设计等, 都可以来研梦非凡,匹配合适的科研指导。

研梦非凡可指导的研究方向

picture.image

主流方向科研论文常用方法

picture.image

研梦非凡现有idea

picture.image

👇🏻全程1v1论文辅导扫码咨询助教

picture.image

研梦非凡导师团队

研梦非凡的导师来自 海外QStop50、国内华五、C9、985高校的教授/博士导师/博士后,世界500强公司算法工程师 ,以及国内外知名人工智能实验室研究员。

这是一支实力强大的高学历导师团队,在计算机科学、机器学习、深度学习等领域,积累了丰富的科研经历,研究成果也发表在国际各大顶级会议和期刊上,在指导学员的过程中,全程秉持初心,坚持手把手个性化带教。包括但不限于以下导师~~

picture.image

picture.image

picture.image

picture.image

<<< 左右滑动见更多 >>>

研梦非凡隶属于苏州研途教育,深耕考研辅导行业13年,累计服务1w+付费学员(60%高校学生/教师,40%职场精英);科研为本,质量为先!我们有:500+ 国内外顶尖高校博士/教授,互联网大厂/独角兽公司的高级算法科学家组成的教师团队;深度定制的科研服务,根据每位学员的实际情况,提供个性化的科研辅导方案,确保交付结果;一站式、全方位科研支持,从选题到方案设计,从实验实施到论文撰写、成果发表,4V1全流程保姆式服务!

picture.image

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论