AI与算法都要通俗易懂

最上面的一张张图片可以看作汽车上的摄像头采集到的图片，图片经过以 Resnet 为 BackBone 的特征提取器(Extractor)之后，再经过基于 transformer 结构的多传感器特征融合层(Multicam Fusion)，随后再经过视频处理模块，便可以完成一些复杂的任务，比如物体的检测、物体的3D重建等。它的主要原理就是注意力机制。汽车上会布置多个高清摄像头，用来采集汽车周边多个方位和角度的图像，然后采集到的图像会送给神经网络进行处理，比如进行多个图像的特征提取和融合。

吴军老师把新的科技产品从出现到爆款的过程，称为“发现第三眼美女”的过程。这个比喻虽然不严谨，但是很容易理解。