人工智能和深度学习研究中心

我们正在巴黎中心建设一个汽车应用人工智能研究中心,来开展我们雄心勃勃的研究项目,尤其是辅助驾驶和无人驾驶方面

多传感器感知

无人驾驶首先依赖于各式各样的传感器,例如法雷奥相机、激光雷达、雷达和超声波。在任何时刻,最大程度的探索这些传感器的输出是了解车辆复杂环境的基础。为此,我们探索了各种各样的深度学习方法,其中传感器的学习被认为是既独立又互相联系的。

领域适应

深度学习和强化学习是无人驾驶的关键技术。而其面临的挑战之一便是适应训练期间所遇到的各种条件。为了提高系统在这种情况下的性能,我们探索了所谓的领域适应技术,例如在AdvEnt,我们的项目在CVPR 2019上所展示的。

不确定性分析

当发生意外情况或天气恶劣时,传感器发生阻塞,装载的感知系统应诊断情况并作出响应,例如,调用另一替代系统或人工驾驶。考虑到这一点,我们研究了评估系统不确定性和预测其性能的自动方法。

团队阵容

  • 研究科学家 Hedi Ben-younes

    研究科学家

    深度学习 | 视觉和语言 | 视觉推理

    Supelec | Heuritech | SorbonneU

  • 研究科学家 Andrei Bursuc

    研究科学家

    机器学习 | 计算机视觉 | 视觉搜索 | 自主系统

    Politehnica | Mines | Inria | Safran

       

  • 博士生 Charles Corbière

    博士生

    深度学习 | 计算机视觉 | 不确定性

    Centrale | ParisSaclay | Heuritech | Earthcube | CNAM

     

  • 首席科学家 Matthieu Cord

    首席科学家

    深度学习 | 计算机视觉 | 视觉和语言

    Enseirb | CergyU | KULeuven | Ensea | CNRS | SorbonneU | IUF

     

  • 研究科学家 Spyros Gidaris

    研究科学家

    深度学习 | 计算机视觉

    AUTH | Cortexica | ENPC

     

  • 研究科学家 David Hurych

    研究科学家

    机器学习 | 计算机视觉 | 生成网络

    CTU-Prague | NII-Tokyo

  • 研究科学家 Himalaya Jain

    研究科学家

    深度学习 | 计算机视觉

    IIIT-H | Technicolor | Inria

      

  • 首席科学家 Renaud Marlet

    首席科学家

    计算机视觉 | 摄影测量 | 几何处理

    X | Inria | EdinburgU | Simulog | Inria | TrustedLogic | Inria | ENPC

     

  • 博士生 Arthur Ouaknine

    博士生

    深度学习 | 机器学习 | 信号处理

    Panthéon-Sorbonne | Telecom | Zyl | Telecom

  • 科技总监 Patrick Pérez

    科技总监

    机器学习 | 计算机视觉 | 计算成像 | 信号与图像处理

    Centrale | Inria | BrownU | Inria | Microsoft | Inria | Technicolor

     

  • 研究科学家 Julien Rebut

    研究科学家

    深度学习 | 计算机视觉

    INSA | ValeoVS | ValeoCDA

  • 博士生 Simon Roburin

    博士生

    深度学习 | 机器学习 | 应用数学 | 广义化

    Centrale | Prophesee | ENPC

  • 博士生 Antoine Saporta

    博士生

    深度学习 | 计算机视觉 | 领域适应

    X | TU-Munich | SorbonneU

  • 博士生 Huy Van Vo

    博士生

    计算机视觉 | 机器学习

    X | Technicolor | MVA | NYU | Inria

  • 研究科学家 Tuan-Hung Vu

    研究科学家

    深度学习 | 计算机视觉

    Telecom | Inria | NEC

      

近期活动

Valeo.ai x ICCV’21 
2021年10月,Valeo.ai将参加最重要的计算机视觉会议之一,国际计算机视觉大会(ICCV),并发表六篇关于通过摄像头、雷达或激光雷达分析复杂场景的论文。

Valeo.ai x CVPR’21

Valeo.ai x CVPR’21
Valeo.ai 于 2021 年 6 月参加了顶尖的计算机视觉大会 CVPR,并发表了三篇论文,协助制定了自我监督学习教程,共同组织了全向性计算机视觉研讨会,并在用于自动驾驶的安全人工智能全天候视觉 研讨会上发表了主题演讲。

Woodscape 数据集
四支 法雷奥 团队合作发布了 Woodscape,这是首个带有鱼眼摄像头的公开多传感器驾驶数据集,以 1906 年鱼眼摄像头的发明者 Robert Wood 的名字命名,具有 2D 和 3D 物体探测、语义分割和深度预估等 9 项感知任务。

Carrada 数据集
Valeo.ai 与 Télécom Paris 的研究人员合作,发布了带有距离-角度-多普勒注解的摄像头和汽车雷达 (Carrada),这是首个在原始信号中精确标注汽车、骑行者和行人的公开汽车雷达数据集。

我们能否对驾驶系统进行解释?
Valeo.ai 的研究人员发布了一项基于视觉型驾驶系统可解释性的综合调查,其中展示了大量用于事后或设计可解释性的现有技术,分析了这些技术现有的局限性并概述了未来研究途径,以更好地解释自动驾驶人工智能模型。

关注弱势道路使用者
高级驾驶辅助系统(ADAS) 和自动驾驶(AD) 系统必须对行人等弱势道路使用者进行可靠的分析;Valeo.ai 显示真实场景中的合成人类有助于更好地对探测器进行训练(与布拉格捷克理工大学 (CTU Prague) 合作),并且多任务模式可以识别多达 32 个属性,包括动作和注意力(与洛桑联邦理工学院 (EPFL) 合作)。

合作伙伴