多模態(tài)大模型+自動駕駛=？ECCV’24這場Workshop開啟招募啦

衡宇 2024-06-02 22:21:29 來源：量子位

論文、挑戰(zhàn)賽等你來投

CK 投稿

量子位 | 公眾號 QbitAI

多模態(tài)，已經(jīng)成為大模型最重要的發(fā)展方向之一。

從GPT-4V到GPT-4o，多模態(tài)大模型在多模態(tài)感知與理解方面的進(jìn)展，正在不斷驚艷世界。

然而，利用多模態(tài)大模型來應(yīng)對自動駕駛中復(fù)雜場景，特別是罕見但關(guān)鍵的難例場景，仍然是一個(gè)未解的難題。

多模態(tài)大模型+自動駕駛=？ECCV'24這場Workshop開啟招募啦

圍繞這一挑戰(zhàn)，現(xiàn)在，一場由香港科技大學(xué)、香港中文大學(xué)等研究機(jī)構(gòu)發(fā)起的ECCV 2024 Workshop來了。

這場Workshop旨在研討當(dāng)前最先進(jìn)的自動駕駛技術(shù)，與完全可靠的智能自動駕駛代理之間的差距，促進(jìn)多模態(tài)大模型感知與理解、先進(jìn)的AIGC技術(shù)在自動駕駛系統(tǒng)中的應(yīng)用，以及端到端自動駕駛等方面的創(chuàng)新研究。

活動主要包括論文投稿和挑戰(zhàn)賽兩部分，如果你對此感興趣，詳情請看——

Workshop征稿

本次論文征稿關(guān)注自動駕駛場景多模態(tài)感知與理解、自動駕駛場景圖像與視頻生成、端到端自動駕駛、下一代工業(yè)級自動駕駛解決方案等主題，包括但不限于：

Corner case mining and generation for autonomous driving.
3D object detection and scene understanding.
Semantic occupancy prediction.
Weakly supervised learning for 3D Lidar and 2D images.
One/few/zero-shot learning for autonomous perception.
End-to-end autonomous driving systems with Large Multimodal Models.
Large Language Models techniques adaptable for self-driving systems.
Safety/explainability/robustness for end-to-end autonomous driving.
Domain adaptation and generalization for end-to-end autonomous driving.

投稿規(guī)則：

本次投稿將通過OpenReview平臺實(shí)行雙盲審稿，接收兩種形式的投稿：

完整論文：論文篇幅在14頁內(nèi)，采用ECCV格式，參考文獻(xiàn)和補(bǔ)充材料篇幅不限。被接收的論文將成為ECCV官方論文集的一部分，不允許重新提交到其他會議。
擴(kuò)展摘要：論文篇幅為4頁內(nèi)，采用CVPR格式，參考文獻(xiàn)和補(bǔ)充材料篇幅不限。被接收的論文不會被包含在ECCV官方論文集中，允許重新提交到其他的會議。

投稿入口：

完整論文：https://openreview.net/group?id=thecvf.com/ECCV/2024/Workshop/W-CODA
擴(kuò)展摘要：https://openreview.net/group?id=thecvf.com/ECCV/2024/Workshop/W-CODA_Abstract_Paper_Track