編輯注：NVIDIA 自動駕駛實驗室系列視頻，將以工程技術(shù)為重點的視角關(guān)注實現(xiàn)自動駕駛汽車的各個挑戰(zhàn)以及 NVIDIA DRIVE AV 軟件團(tuán)隊如何應(yīng)對這些問題。

對于自動駕駛汽車而言，準(zhǔn)確的環(huán)境感知至關(guān)重要，在處理未知條件時尤為明顯。

本期自動駕駛實驗室視頻中，將討論一種名為 SegFormer 的 Vision Transformer 模型，它能夠在保持高效率的同時生成魯棒的語義分割結(jié)果。

觀看視頻，了解 SegFormer 背后的機(jī)制，及其具有魯棒性（robustness）和高效性的原理：

0000

使用 SegFormer 實現(xiàn)魯棒的感知技術(shù)

0005

準(zhǔn)確性和魯棒性對于自動駕駛汽車開發(fā)的重要性

0021

什么是 SegFormer？

0037

卷積神經(jīng)網(wǎng)絡(luò)（CNN）與 Transformer 模型的區(qū)別

0033

在 MB 的 Cityscapes 數(shù)據(jù)集上測試語義分割結(jié)果

0022

JPEG 壓縮對 SegFormer 的影響

0040

SegFormer 如何理解未知條件

0056

了解更多關(guān)于自動駕駛汽車應(yīng)用中的分割技術(shù)

NVIDIA DRIVE 相關(guān)資源

在 GitHub 上獲悉更多細(xì)節(jié):

https://github.com/NVlabs/SegFormer

閱讀論文《SegFormer：基于 Transformer 的簡單高效的語義分割設(shè)計（SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers）》:

https://arxiv.org/abs/2105.15203

點擊“閱讀原文”，觀看更多 NVIDIA 自動駕駛實驗室系列視頻。