数据闭环的核心 - Auto-labeling 方案分享 V2.0

文章预览

01 前言 BEV算法的开发已经到了深水区，各家都投入了大量的精力去做bev的落地开发，其中一块最关键的就是如何高效的完成BEV的数据标注，无论是BEV 3D目标， BEV去高精地图或者是BEV Occupancy。 相比于车端的感知算法，自动标注系统更像是一个不同模块组成的系统， 充分利用离线的算力和时序信息，才能得到更好的感知结果， 实际落地的时候，对于工程师的能力要求上了一个档次，想要把这些大模型大系统玩转的好和高效，也是非常不容易的。 时隔一年，看到Chatgpt的横空出世和人工智能大模型的井喷式爆发，也看到了SAM的zero shot的迁移能力，感觉技术发展实在是太快了 参考Chatgpt的训练方式， 大规模无监督的预训练 + 高质量数据集做具体任务的微调， 可能也会成为量产感知算法下一阶段需要发力的方向。 记录一下一些看到的学术界新的自动标注 ………………………………