我们和一位来自斯坦福大学的博士生 Fisher Yu 聊了聊。他是 CVPR 2017 自动驾驶挑战赛研讨会的组织者之一。据 Fisher 说，组织这样一个研讨会和挑战赛的目的是搭建产业界和学术界之间的桥梁，开奖，因此受邀演讲的主题同时覆盖了这两者。学术界更专注如何最终解决自动驾驶问题，而产业界则更加实际，致力于通过工程上的努力来解决一些具体问题。这个挑战赛研讨会既邀请到了著名的计算机视觉研究者和创业公司产业领袖：来自约翰·霍普金斯大学的 Alan Yuille 教授，他为视觉问题的解决做出了巨大的贡献；KITTI 的负责人 Andreas Geiger，他是研究定义自动驾驶问题、设置对应数据集和基准的早期视觉研究者之一；也请到了有很强学术背景的产业界实践者，比如图森互联的侯晓迪（Xiaodi Hou）博士、AutoX 的肖健雄（Jianxiong Xiao）博士、Pony AI 的 James Peng 和 Apex.AI 的 Jan Becker 博士。Alan Yuille 和 Andreas Geiger 都很关注如何使用模拟数据做研究以及如何更好地研究和分析 3D 数据。据该挑战赛的主办方图森未来的 CTO 侯晓迪博士介绍，这个挑战赛侧重于车道检测和速度估计，以填补基准缺失的空白。

作为 Berkely Deep Drive 的成员之一，Fisher Yu 在他的演讲展示中介绍了伯克利的 DeepDrive 项目。BDD 项目组已经开发出了 Berkely Deep Drive Data（BDDD，链接：https://deepdrive.berkeley.edu ），提供了数十万小时的驾驶数据。其中大多数数据都来自相机、GPS 和 IMU 等移动设备。BDDD 具有实例级的语义分割特征，并且得到了良好的标注。BDDD 团队还开发了一种端到端的驾驶策略，相关论文也出现在了今年的 CVPR（End-to-end Learning of Driving Models from Large-scale Video Datasets, https://arxiv.org/abs/1612.01079）。他们同时也对如何用更小的模型来提升效率进行了研究。巨量数据需要更加高效的模型——规模更小且运行和推理的时间更短。

参与展览会的产业公司

今年，CVPR 共有 127 家赞助商。一般来说当会议在夏威夷举办时，赞助商总数会下降。但今年的情况不是这样，反而比起 CVPR 2016 还多了 30% 的赞助商。当被问及为何参展时，大多数公司都回答说为了招聘，也有少数回答说是为了营销。