10月2日至6日，全球AI頂級國際會議ICCV（International Conference on Computer Vision）在法國巴黎舉行。本屆ICCV投稿總數(shù)達8068篇，其中2160篇被接收，錄用率為26.8%，略高于上屆ICCV 2021錄用率25.9%。

商湯科技及聯(lián)合實驗室共49篇論文入選，涵蓋文生圖、3D數(shù)字人、自動駕駛、目標(biāo)檢測、視頻分割等多個與大模型和生成式AI相關(guān)的熱點方向。

基于商湯AI大裝置SenseCore和“日日新SenseNova”大模型體系。在生成式AI和視覺大模型等領(lǐng)域，商湯提出多項極具價值的技術(shù)突破和研究范式創(chuàng)新。

“商湯科技聯(lián)合創(chuàng)始人、首席科學(xué)家王曉剛表示：持續(xù)深耕AI基礎(chǔ)設(shè)施建設(shè)、堅持做注重產(chǎn)業(yè)實踐的學(xué)術(shù)研究、深耕人才階梯式培養(yǎng)，是商湯多年來在全球?qū)W術(shù)舞臺上不斷產(chǎn)出創(chuàng)新成果的基石。商湯將積極擁抱大模型帶來的全新研究范式，不斷提升研發(fā)體系，堅持將基礎(chǔ)研究與業(yè)務(wù)發(fā)展緊密融合，為行業(yè)貢獻更具價值的技術(shù)成果。”

多項技術(shù)突破和范式創(chuàng)新

大模型及生成式AI成焦點

大模型和生成式AI在全球范圍內(nèi)備受矚目，也為學(xué)術(shù)研究提出了諸多具有挑戰(zhàn)性的全新課題。

生成式AI方向的文生圖領(lǐng)域，如何讓模型更容易生成與人類偏好相符的圖像？在論文《Human Preference Score: Better Aligning Text-to-Image Models with Human Preference》中，商湯研究團隊將人類偏好引入Stable Diffusion的模型訓(xùn)練中，證明了人類偏好信息可以提升Stable Diffusion生成的圖像質(zhì)量，尤其在人體、四肢等經(jīng)典的failure case中更是展示了優(yōu)異的效果。

將人類偏好引入StableDiffusion的模型訓(xùn)練過程

數(shù)字人是生成式AI的重要領(lǐng)域，但其制作依然需要一定門檻。商湯研究團隊在論文《SHERF: Generalizable Human NeRF from a Single Image》中提出一種基于單張圖片的可泛化、可驅(qū)動人體神經(jīng)輻射場方法，僅需一張任意角度的3D人體圖片，結(jié)合必要的參數(shù)，就能實現(xiàn)3D數(shù)字人重建和驅(qū)動，有望簡化3D數(shù)字人的創(chuàng)作流程。

基于單張圖片的人體神經(jīng)輻射場重建和驅(qū)動

高質(zhì)量的3D人體數(shù)據(jù)集是研究眾多人體相關(guān)的感知模型、重建模型和生成式AI的基礎(chǔ)。商湯研究團隊在論文《SynBody: Synthetic Dataset with Layered Human Models for 3D Human Perception and Modeling》中提出一個合成數(shù)據(jù)集SynBody，其構(gòu)建了穿著衣物的參數(shù)化人體模型，并生成了海量的人體虛擬數(shù)據(jù)，有助于3D人體感知和重建的模型訓(xùn)練。此外，團隊公布了開源代碼庫XRFeitoria，一個合成數(shù)據(jù)渲染工具箱，通過提供方便的Python API與CLI工具，極大簡化了制作虛擬數(shù)據(jù)集的流程。

SynBody是基于分層人體模型的大規(guī)模合成

數(shù)據(jù)集，可用于人體感知與建模等任務(wù)

在自動駕駛場景的3D目標(biāo)檢測領(lǐng)域，商湯團隊還在論文《Temporal Enhanced Training of Multi-view 3D Object Detector via Historical Object Prediction》中提出一種新的用于多視角3D檢測的時序增強訓(xùn)練方式——歷史幀物體預(yù)測（HoP），不僅在nuScenes測試集上使用ViT-L得到了68.5%NDS和62.4%mAP，超過了排行榜上所有3D物體檢測器，還可以即插即用，無縫集成到最先進的 BEV 檢測框架中，重塑3D檢測時序利用的新范式。

HoP算法框架圖

此外，本屆ICCV，商湯科技還在目標(biāo)檢測、視頻分割、3D感知與重建、半監(jiān)督學(xué)習(xí)、NeRF等領(lǐng)域取得諸多技術(shù)創(chuàng)新突破。

開源開放

構(gòu)建大模型時代

產(chǎn)學(xué)研協(xié)同新生態(tài)

產(chǎn)學(xué)研協(xié)同是實現(xiàn)學(xué)術(shù)研究成果到行業(yè)應(yīng)用轉(zhuǎn)化的高效路徑。

商湯不斷夯實技術(shù)研究的同時，也積極參與和舉辦各類學(xué)術(shù)交流和競賽活動，促進創(chuàng)新成果產(chǎn)出，探索大模型時代產(chǎn)學(xué)研協(xié)作模式的構(gòu)建。

同時，商湯長期致力于推動AI基礎(chǔ)設(shè)施和開源生態(tài)的建設(shè)，與開發(fā)者共創(chuàng)共建，共同推動AI社區(qū)的繁榮發(fā)展。

商湯早在2018年開源的計算機視覺框架OpenMMLab已在GitHub上收獲超過8.7萬個星標(biāo)。

今天，商湯的開源項目已拓展到?jīng)Q策智能、大語言模型、拓展現(xiàn)實、數(shù)據(jù)平臺、高性能訓(xùn)練和推理框架、AI智能體框架等領(lǐng)域，為學(xué)術(shù)界的科研突破和工業(yè)界的產(chǎn)業(yè)落地提供全方位的算法與平臺支撐。

其中，在大語言模型領(lǐng)域，商湯與上海AI實驗室等聯(lián)合推出的書生·浦語大模型（InternLM）在開源社區(qū)和產(chǎn)業(yè)界產(chǎn)生廣泛影響。

最新的InternLM-20B模型性能先進且應(yīng)用便捷，以不足三分之一的參數(shù)量，達到當(dāng)前被視為開源模型標(biāo)桿的Llama2-70B的能力水平。

秉承開源、開放的發(fā)展理念，商湯愿與行業(yè)伙伴共同迎接大模型的新一輪科技革命，讓AI技術(shù)釋放更廣泛的產(chǎn)業(yè)價值。

相關(guān)閱讀，戳這里

《商湯聯(lián)合團隊斬獲CVPR最佳論文，推出首個“感知決策一體化”自動駕駛通用大模型》

原文標(biāo)題：ICCV 2023生成式AI引人矚目，商湯多項技術(shù)突破展現(xiàn)中國“創(chuàng)新力”

文章出處：【微信公眾號：商湯科技SenseTime】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。舉報投訴