近日 ， 第34届神经信息处理系统大会（Conference on Neural Information Processing Systems ， 简称NeurIPS ， NIPS）在线上召开 。 作为全球顶级的机器学习和计算神经科学会议 ， 今年的NIPS依然受到了学者们的高度关注 ， 甚至由于其线上开放的特性缓解了往年抢票难的问题 ， 而将获得更多的“听众” 。
据悉 ， 今年NeurIPS稿件录取率为20.09% ， 创下历史新低 。 在如此严苛的录取标准之下 ， 京东AI深度学习与语音语义实验室提交的探索稀疏3D点云Global Context的论文《Group Contextual Encoding for 3D Point Clouds》成功入选 。 今年以来 ， 京东AI深度学习与语音语义实验室的研究成果频获国际认可 ， 此前还有多篇论文入选国际语音和语言处理顶会比如ACL 2020、AAAI 2020、INTERSPEECH 2020等 。
【京东|京东探索稀疏三维空间点云Global Context学习方法获认可】Global Context对视觉感知至关重要 ， 可以根据语义信息提高物体识别的准确率 ， 但目前针对3D点云的Global Context的研究还不够充分 ， 特别是在三维空间的情况下 ， 数据呈现高维、稀疏的特点 ， 对传统深度学习算法提出了挑战 。 因此 ， 京东AI研究院基于其研究实习生计划与东京大学合作了《Group Contextual Encoding for 3D Point Clouds》 ， 针对这一研究领域提出了Group Contextual Encoding的Global Context学习方法 。
文章插图
从目前已有3D点云GlobalContext的研究成果来看 ， 比如LG-PointNet++【1】 ， 其复杂度为 ， N是输入点的个数 。 当场景复杂时 ， 输入点数较多会导致耗费相当大的算力 。 ContextualEncodingLayer【2】的复杂度是 ， 是一种有效率的方法 ， K是该方法里codeword数目 。 但是点云数据稀疏导致的过拟合现象（overfitting） ， 会影响性能的提升 ， 导致在ScanNet ， SUN-RGBD数据集上3D检测性能随着Codeword数目K的增长 ， 性能却很快就饱和不再增长 。 虽然目前有一些深度补全的算法可以解决数据稀疏这个问题 ， 但是这些算法都存在结构复杂、耗费计算资源的问题 ， 因此 ， 京东AI研究院决定探索简单有效的方法 。
首先要解决数据的稀疏问题 。 通过把特征通道分组 ， 从而获得更多的等效数据 ， 如图1所示 ， 如果把通道分成G组特征子向量 ， 数据就相对应增广了G倍 。 再将分组后的特征子向量通过Encoding layer得到Global context ， 从而有利于在分组后的特征子空间学习全局上下文 ，然后通过channel attention的形式作用于分组后的特征 。 最后通过Concat操作恢复为原特征的尺寸 。 如此操作既解决了数据的稀疏问题 ， 又解决算法结构复杂、算力耗费巨大的问题 。
文章插图
图1：GroupContextualEncoding方法图 。
随后 ， 京东AI研究院又将这种方法在多个3D数集上进行验证 ， 不仅证实这种方法简单有效 ， 还刷新了SOTA方法的性能 。 将这种方法应用在PointNet++ Backbone上 ， 并部署到VoteNet模型 。 如表1所示 ， 在ScanNet数据集以mAP@0.25指标测评时 ， 该方法领先VoteNet 【3】 2.2mAP ， 增幅已然明显 ， 但更令人惊喜的是 ， 在更加严格的mAP@0.5 的指标下 ， 如表2所示 ， 该方法领先Waymo、Facebook AI Research以及Stanford大学提出的 VoteNet高达6.57 mAP ， 可视化结果如图2所示 。
表1：ScanNet数据集mAP@0.25评测指标的结果 。
文章插图
表2：ScanNet数据集mAP@0.5评测指标的结果 。
推荐阅读
- 曾被京东物流效仿，让雷军花1亿拯救，如今欠7000万彻底出局
- 离开华为的新荣耀枯木难支？首款手机就被冷落，京东预约数太难看
- 徐福记联手JDL京东物流向数智化转型，首次落地智慧园区项目
- 多家快递暂停发往河北省快件，顺丰表示先暂停三天，京东小程序已无法下单
- 传统烟酒店难做？他加入京东便利名酒荟后一路“开挂”
- 市科委与联影集团联合首设“探索者计划”，共推基础及应用基础研究
- 美的探索工业互联网+5G+AI应用场景，成本可降低10%
- 京东PLUS超级联名卡：价值1608元只需218元、送5斤车厘子
- 盒马鲜生、京东超级体验店，明年会在郑州开店吗？| 提问2021
- 小姐姐带你探索萌粉电竞显示器的秘密