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數字人、自動駕駛、目標檢測、視頻分割等多個與大模型和生成式AI相關的熱點方向。

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

“商湯科技聯(lián)合創(chuàng)始人、首席科學家王曉剛表示：持續(xù)深耕AI基礎設施建設、堅持做注重產業(yè)實踐的學術研究、深耕人才階梯式培養(yǎng)，是商湯多年來在全球學術舞臺上不斷產出創(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，堅持將基礎研究與業(yè)務發(fā)展緊密融合，為行業(yè)貢獻更具價值的技術成果。”

多項技術突破和范式創(chuàng)新

大模型及生成式AI成焦點

大模型和生成式AI在全球范圍內備受矚目，也為學術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的模型訓練中，證明了人類偏好信息可以提升Stable Diffusion生成的圖像質量，尤其在人體、四肢等經典的failure case中更是展示了優(yōu)異的效果。

將人類偏好引入StableDiffusion的模型訓練過程

數字人是生成式AI的重要領域，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、可驅動人體神經輻射場方法，僅需一張任意角度的3D人體圖片，結合必要的參數，就能實現(xiàn)3D數字人重建和驅動，有望簡化3D數字人的創(chuàng)作流程。

基于單張圖片的人體神經輻射場重建和驅動

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

SynBody是基于分層人體模型的大規(guī)模合成

數據集，可用于人體感知與建模等任務

在自動駕駛場景的3D目標檢測領域，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檢測的時序增強訓練方式——歷史幀物體預測（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