给自动驾驶AI上“外挂”！港大&TCL开源轻量级模型MarS3D

　　香港大学计算机视觉与机器智能实验室(CVMI Lab)和 TCL AI Lab 的研究人员共同开发了一种名为 MarS3D 的轻量级模型，可以显著提升自动驾驶 AI 的物体运动状态判别能力。

　　该模型通过给语义分割模型添加一个称为 BEV Branch 的分支，利用鸟瞰视角提取点云数据的运动状态信息，并与其他单扫描任务模型的语义信息特征进行融合，实现了3D 点云的语义分割。与其他多扫描方法相比，MarS3D 具有以下特点:

　　轻量级模型:MarS3D 的参数量仅为约100K 大小，与主流点云分割模型相比仅增加了不到0.5% 的参数量。

　　即插即用:MarS3D 可以与任意主流点云分割模型结合使用，无需额外的计算量，推理时间仅增加不到0.03秒。

　　提升分割性能:在 SemanticKITTI 数据集上的测试结果表明，MarS3D 在主流的单扫描点云分割模型上，将性能提升了近5%。

　　快速计算:MarS3D 的推理过程仅需要一块英伟达 GeForce RTX3090GPU 即可完成，具有较低的计算成本。

　　该研究论文已被 CVPR2023收录，项目已在 GitHub 开源。这项研究为自动驾驶系统的感知能力提供了一种高效而准确的解决方案，为自动驾驶技术的发展带来了新的可能性。