香港大學計算機視覺與機器智能實驗室(CVMI Lab)和 TCL AI Lab 的研究人員共同開發了一種名為 MarS3D 的輕量級模型，可以顯著提升自動駕駛 AI 的物體運動狀態判別能力。

　　該模型通過給語義分割模型添加一個稱為 BEV Branch 的分支，利用鳥瞰視角提取點云數據的運動狀態信息，并與其他單掃描任務模型的語義信息特征進行融合，實現了3D 點云的語義分割。與其他多掃描方法相比，MarS3D 具有以下特點:

　　輕量級模型:MarS3D 的參數量僅為約100K 大小，與主流點云分割模型相比僅增加了不到0.5% 的參數量。

　　即插即用:MarS3D 可以與任意主流點云分割模型結合使用，無需額外的計算量，推理時間僅增加不到0.03秒。

　　提升分割性能:在 SemanticKITTI 數據集上的測試結果表明，MarS3D 在主流的單掃描點云分割模型上，將性能提升了近5%。

　　快速計算:MarS3D 的推理過程僅需要一塊英偉達 GeForce RTX3090GPU 即可完成，具有較低的計算成本。

　　該研究論文已被 CVPR2023收錄，項目已在 GitHub 開源。這項研究為自動駕駛系統的感知能力提供了一種高效而準確的解決方案，為自動駕駛技術的發展帶來了新的可能性。