CVPR 2026（國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議）論文錄用結(jié)果揭曉，Nullmax 研發(fā)團(tuán)隊(duì)在自動(dòng)駕駛靜態(tài)元素理解領(lǐng)域的最新研究 TopoHR 成功入選。該研究為靜態(tài)元素檢測(cè)以及拓?fù)渫评硖峁┝送黄菩运悸?，顯著提升自動(dòng)駕駛在無(wú)圖場(chǎng)景下的實(shí)時(shí)感知理解能力。Nullmax 致力于鞏固ADAS 產(chǎn)品能力，為更多用戶提供全場(chǎng)景、可泛化、性能佳的智駕體驗(yàn)。

作為計(jì)算機(jī)視覺(jué)領(lǐng)域最具影響力的學(xué)術(shù)盛會(huì)之一，CVPR (IEEE/CVF Conference on Computer Vision and Pattern Recognition) 論文歷來(lái)評(píng)審嚴(yán)苛、競(jìng)爭(zhēng)激烈。官方數(shù)據(jù)顯示，2026年度 CVPR 有效投稿量超16000篇，錄用率僅為25.42%，聚集人工智能各前沿領(lǐng)域最頂尖技術(shù)成果。

Nullmax 此次入選論文題為《TopoHR: Hierarchical Centerline Representation for Cyclic Topology Reasoning in Driving Scenes with Point-to-Instance Relations》，針對(duì)自動(dòng)駕駛中靜態(tài)元素（車道線、紅綠燈等）檢測(cè)和復(fù)雜的拓?fù)渫评黼y題，提出 TopoHR (Topological Hierarchical Representation) 框架，創(chuàng)新性地構(gòu)建了靜態(tài)元素檢測(cè)與拓?fù)渫评碇g的雙向循環(huán)交互機(jī)制。與傳統(tǒng)的“檢測(cè)與推理各自為政”不同，該機(jī)制使檢測(cè)特征引導(dǎo)推理，推理結(jié)果反向優(yōu)化檢測(cè)精度，實(shí)現(xiàn)二者協(xié)同進(jìn)化。

在特征建模上，TopoHR 引入分層車道表示，深度融合點(diǎn)級(jí)信息、實(shí)例特征與語(yǔ)義表示，同時(shí)通過(guò)建模點(diǎn)到實(shí)例 (Point-to-Instance) 映射關(guān)系，填補(bǔ)了細(xì)粒度拓?fù)浣Y(jié)構(gòu)建模的空白，極大提升了復(fù)雜路口等挑戰(zhàn)場(chǎng)景下的拓?fù)溥€原能力。

在權(quán)威數(shù)據(jù)集 OpenLane-V2 上，TopoHR 在 Subset A 和 Subset B 等多個(gè)測(cè)試集均刷新紀(jì)錄，檢測(cè) (DET_l) 與推理 (TOP_ll) 指標(biāo)均顯著超越現(xiàn)有 SOTA 模型。同時(shí)，該框架展現(xiàn)出極高的工程價(jià)值，在單張 RTX 4090 顯卡下推理速度可達(dá) 12.6 FPS，為高階自動(dòng)駕駛的在線建圖與決策提供了堅(jiān)實(shí)支撐。

馬年智啟新章！面向未來(lái)，Nullmax 創(chuàng)新研發(fā)步履不停，從技術(shù)難題探索到實(shí)際應(yīng)用落地，持續(xù)鞏固全鏈條技術(shù)優(yōu)勢(shì)，將突破視覺(jué)上限的感知能力和普適平臺(tái)化技術(shù)拓展至更廣闊的物理 AI 世界應(yīng)用中。