吉利AI DRIVE大模型拿下ACDC极端场景识别训练国际竞赛实时榜单第一

在吉利公布年内将发布行业首个全栈自研的全场景AI大模型后，近日，吉利大模型领域传出更新进展。吉利AI DRIVE大模型在国际智能驾驶领域的著名极端场景数据集ACDC（包含雨、雾、雪、夜等复杂场景）性能验证中，取得实时排行榜全球第一名的成绩。代表了吉利AI DRIVE大模型在极端场景的语义分割和泛化能力上处于国际领先水平。

近年来，AI大模型凭借强大的推理及泛化能力广泛应用于社会各个领域，在自然语言处理、图像识别、语音识别、智能驾驶、智能座舱、医学诊断等领域取得了突破性的进展，有力推动了社会智能化的发展和进步。在智能驾驶领域，云端AI大模型在海量数据的加持下，正在改写智能驾驶算法开发范式，能够大幅提高算法迭代效率。传统的智能驾驶方案受限于模型本身的泛化能力，数据闭环处理极端场景的能力较差，往往需要耗费大量时间和财力采集或者标注不同场景的样本，严重影响了研发效率。

吉利基于全栈自研的AI  DRIVE大模型、元宇宙虚拟仿真器的云端多元数据闭环框架，实现了大模型和数据的相互赋能。该框架可基于元宇宙虚拟数据及量产道路回传无标注数据实现自我迭代，配合大模型强大的推理能力，可以更好、更快地迭代应对极端场景的能力。

语义分割作为智能驾驶的主流算法之一，核心功能是将图像中的每个像素精确地标记为不同的语义类别，从而实现对物体的像素级理解。这种精细的分割能力使得车辆能够准确地识别和理解道路上的各种物体，为智能驾驶系统提供了重要的环境感知和决策支持。除了像素级的物体理解，语义分割还能够提供对整个场景的全面理解。它能够对道路、车道、交通标志、交通信号等进行准确的分割和识别。这种全景式的场景理解对于智能驾驶来说至关重要，被广泛应用于智能驾驶领域。 

依托吉利星睿智算中心的81亿亿次/秒的强大算力，吉利全栈自研的AI DRIVE大模型能够基于道路回传无标注数据实现自我迭代，有效提升了在雨雪、雾天、夜晚等极端场景下的分割效果，并且能够大幅减少模型迭代对于有标数据的依赖，大幅提升智能驾驶研发效率。

ACDC是 极端视觉场景(如雨、雾、雪、夜晚)的语义分割数据集，该数据集CVPR2023 workshopVision for all Seasons: Adverse Weather and Lighting Conditions 组织的一个实时数据集排行榜单，用来公开对比各高校和企业分割模型在极端天气下性能。吉利AI DRIVE大模型在 ACDC极端场景语义分割训练和验证中，实时排名第一，代表吉利自研AI DRIVE模型在类似任务上已经达到国际领先水平。同时，该模型可以用于车端小模型的蒸馏训练，进一步提升车端模型在极端天气下的表现性能，推动智能驾驶关键能力“从有到好”的加速落地。

声明：登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，读者据此操作，风险自担。

企业信息