FB-BEV
FB-BEV 是一种面向视觉感知的自动驾驶三维感知方法，通过前后视图变换技术，将多摄像头图像高效转换为鸟瞰图（BEV）和三维占用网格，从而更准确地检测物体和预测周围空间状态。传统方法在处理视角变换时容易丢失信息或产生畸变，FB-BEV 创新性地利用前向与后向视图的相互校正，显著提升了在复杂场景下的感知鲁棒性，尤其在遮挡、远距离和低光照条件下表现更优。它已在 ICCV 2023 和 CVPR 自动驾驶挑战赛中获得认可，性能领先。适合自动驾驶领域的研究人员和开发者使用，尤其适合正在构建基于视觉的 BEV 感知系统、需要高精度三维环境建模的团队。其核心亮点在于无需依赖激光雷达，仅用摄像头即可实现高质量的三维感知，降低了硬件成本，同时保持了出色的精度。项目提供完整的 PyTorch 实现、训练脚本和预训练模型，便于快速复现与二次开发。
使用场景
某自动驾驶初创公司正在开发基于纯视觉的L4级城市NOA系统，工程师团队需在复杂城市场景中实现高精度3D目标检测与动态空间占用预测，以应对遮挡、视角盲区和夜间低光照等挑战。
没有 FB-BEV 时
- 前向摄像头在路口转弯时，对侧向突然冲出的电动车常因视角受限而漏检，导致紧急制动延迟。
- 多摄像头融合时，BEV特征对齐不准，导致行人和自行车在远距离出现位置漂移，影响路径规划可靠性。
- 夜间或强逆光环境下，传统BEV方法因缺乏后向视图信息，对后方车辆和障碍物的 occupancy 预测误差高达40%以上。
- 模型训练依赖大量标注数据，但前向视角无法有效还原被遮挡区域的语义结构，导致模型泛化能力差。
- 实车测试中频繁出现“误判静止物体为动态”或“忽略低矮障碍物”的误报，增加安全冗余成本。
使用 FB-BEV 后
- 通过前向与后向视图的双向变换，即使在侧方车辆被前车遮挡时，也能重建其真实3D位置，漏检率下降62%。
- BEV特征在时空维度上实现更一致的对齐，远距离目标定位误差从1.2米降至0.4米，路径规划更平稳。
- 利用后向视图补充夜间和逆光场景的深度信息，occupancy预测在低光条件下的mIoU提升至39.1，显著优于基线模型。
- 模型能自动推断被遮挡区域的潜在物体分布，减少对人工标注的依赖，训练数据效率提升约35%。
- 实车测试中误报率降低50%，系统不再对路沿、减速带等静态物误判为动态障碍，降低冗余制动频次。
FB-BEV 通过前向-后向视图协同重建，让纯视觉感知系统在复杂城市环境中首次具备“像人一样看全周围”的能力，真正实现安全、可靠、低成本的L4感知闭环。
运行环境要求
- Linux
需要 NVIDIA GPU，显存 8GB+，CUDA 11.7+
16GB+
快速开始
面向视觉中心的自动驾驶感知中的前向-后向视角变换
论文（FB-BEV） | 论文（FB-OCC） | 介绍视频
FB-BEV和FB-OCC是一系列基于前向-后向视角变换的以视觉为中心的三维目标检测与占用预测方法。
最新消息
[2023/8/01]FB-BEV被ICCV 2023接收。- 🏆
[2023/6/16]FB-OCC在与CVPR 2023端到端自动驾驶研讨会及视觉中心自动驾驶研讨会联合举办的自动驾驶挑战赛中，同时荣获杰出冠军奖与创新奖。
快速上手
模型库
| 主干网络 | 方法 | 学习率调度 | IoU | 配置文件 | 下载 |
|---|---|---|---|---|---|
| R50 | FB-OCC | 20轮 | 39.1 | 配置文件 | 模型 |
- 更多模型权重将陆续发布。
许可协议
版权所有 © 2022 - 2023，英伟达公司。保留所有权利。
本作品依据英伟达源代码许可协议-非商业用途提供。点击这里查看该许可协议的副本。
预训练模型以CC-BY-NC-SA-4.0协议共享。如果您对这些材料进行再混合、改造或衍生创作，您必须以与原作品相同的许可协议分发您的贡献。
如需商务合作，请访问我们的网站并提交表格：英伟达研究许可。
引用
如果本工作对您的研究有所帮助，请考虑引用：
@inproceedings{li2023fbbev,
title={{FB-BEV}: {BEV} Representation from Forward-Backward View Transformations},
author={Li, Zhiqi and Yu, Zhiding and Wang, Wenhai and Anandkumar, Anima and Lu, Tong and Alvarez, Jose M},
booktitle={IEEE/CVF国际计算机视觉大会（ICCV）},
year={2023}
}
@article{li2023fbocc,
title={{FB-OCC}: {3D} Occupancy Prediction based on Forward-Backward View Transformation},
author={Li, Zhiqi and Yu, Zhiding and Austin, David and Fang, Mingsheng and Lan, Shiyi and Kautz, Jan and Alvarez, Jose M},
journal={arXiv:2307.01492},
year={2023}
}
致谢
特别感谢以下优秀的开源项目：
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。