Sebuah tim peneliti yang dipimpin oleh Profesor Hiroyuki Tomiyama dari Universitas Ritsumeikan di Jepang baru-baru ini mengembangkan model AI inovatif yang disebut Dynamic Point-Pixel Feature Alignment Network (DPPFA−Net), yang bertujuan untuk memecahkan masalah sulitnya deteksi benda-benda kecil dalam deteksi objek 3D. Model ini menggunakan pendekatan multimodal, dengan cerdik menggabungkan data LiDAR 3D dan gambar 2D untuk meningkatkan kinerja dalam kondisi cuaca buruk.
Dilaporkan bahwa DPPFA−Net berkinerja baik dalam uji KITTI Vision Benchmark, dengan peningkatan akurasi rata-rata hingga 7,18% dalam kondisi kebisingan yang berbeda, dan ketahanannya terhadap lingkungan kebisingan multi-modal telah membawanya ke tingkat teknologi baru.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Sebuah tim peneliti Jepang telah mengembangkan model AI baru, DPPFA−Net, yang dapat secara akurat mendeteksi keberadaan objek 3D kecil
Sebuah tim peneliti yang dipimpin oleh Profesor Hiroyuki Tomiyama dari Universitas Ritsumeikan di Jepang baru-baru ini mengembangkan model AI inovatif yang disebut Dynamic Point-Pixel Feature Alignment Network (DPPFA−Net), yang bertujuan untuk memecahkan masalah sulitnya deteksi benda-benda kecil dalam deteksi objek 3D. Model ini menggunakan pendekatan multimodal, dengan cerdik menggabungkan data LiDAR 3D dan gambar 2D untuk meningkatkan kinerja dalam kondisi cuaca buruk.
Dilaporkan bahwa DPPFA−Net berkinerja baik dalam uji KITTI Vision Benchmark, dengan peningkatan akurasi rata-rata hingga 7,18% dalam kondisi kebisingan yang berbeda, dan ketahanannya terhadap lingkungan kebisingan multi-modal telah membawanya ke tingkat teknologi baru.