May, 2023

MonoTDP: 单目双深度感知在恶劣场景下的三维物体检测

PDF
TL;DR本文提出了一种单目 3D 检测模型 MonoTDP，该模型通过创新的双深度感知模块和自适应学习策略，能够有效缓解极端天气对检测性能的影响并提高检测效果，新构建装有各种挑战性场景的数据集，实验结果表明，该方法在不同极端环境下对汽车的 AP_R40 表现优于现有技术。
3d object detectionmonocular 3d detection modeltwin depth perception moduleadverse environmentsadaptive learning strategy
发现论文，激发创造
  • AdvMono3D：具有深度感知的鲁棒性对抗式高级单目 3D 物体检测

    我们提出了一个名为 DART3D 的鲁棒性深度感知对抗训练方法，用于单目 3D 对象检测，通过设计迭代退化攻击和基于不确定性的残差学习方法，提高了模型对对抗攻击的鲁棒性，在 KITTI 3D 数据集上的实验中，在 Easy，Moderate 和 Hard 设置下的车辆类别的 3D 对象检测评价指标 $AP_{R40}$ 上，相比直接对抗训练方法，分别实现了 4.415%，4.112% 和 3.195% 的提升。

    Sep, 2023

  • MonoDTR: 深度感知变换器实现单目 3D 物体检测

    提出了一种新颖的端到端深度感知装换网络 MonoDTR，用于解决自动驾驶中单目 3D 物体检测的任务，该网络包括深度感知特征增强模块（DFE）以及深度感知 Transformer 模块（DTR），通过辅助监督学习无需额外计算的深度感知特征，并全局整合上下文和深度感知特征；深度位置编码（DPE）注入深度位置提示到 Transformer 中，并通过实验证明该方法优于现有最先进方法并可实现实时检测。

    Mar, 2022

  • 单目三维物体检测的全面测试时适应

    基于单目视觉的三维物体检测中，本文提出了一种新的自适应方法 —— 全测试阶段自适应，在无标签测试数据上通过处理潜在的数据分布转移来自适应已经训练好的模型。通过可靠性驱动的自适应策略和噪声保护自适应策略，该方法解决了由异常测试数据引起的物体漏检问题，实验结果表明在离散分布的测试场景中 MonoTTA 模型相对于 Mono 3Det 模型带来了显著的性能提升，KITTI 上平均获得了 190% 的提升，nuScenes 上获得了 198% 的提升。

    May, 2024

  • 单目三维物体检测深度条件动态消息传递

    通过深度 - 和感知信息，并利用动态信息传递网络，预测适应性的卷积中心偏差，混合深度依赖过滤权重和亲和矩阵，解决单目 3D 物体检测的问题，并展示该方法在 KITTI 基准数据集上的最新成果，rank 第一。

    Mar, 2021

  • 空中单目三维物体检测

    通过双视图检测系统 DVDET，提出了一种基于地理变形的训练模块，实现了 2D 图像空间和 3D 物理空间的空中单目物体检测，并利用新的数据集 AM3D，证明了模型的可行性及性能。

    Aug, 2022

  • 用于自动驾驶的可扩展基于视觉的三维物体检测与单目深度估计

    这篇论文通过引入结构增强、数据驱动策略和自主驾驶环境下的无监督深度估计，为自主驾驶应用中基于视觉的 3D 感知技术的广泛应用打下了坚实基础。

    Mar, 2024

  • 概率和几何深度：透视中的物体检测

    该文通过构建几何相关图，利用概率表示来解决单目三维检测的问题，从而提高了检测性能并保持实时性的有效性。

    Jul, 2021

  • MonoTAKD: 单目三维目标检测的助教知识蒸馏

    通过使用单目摄像头传感器进行教学助理知识蒸馏（MonoTAKD），结合了对于 3D 场景几何形状的理解与从单张图像中重构 3D 对象信息，实现了在 KITTI 3D 对象检测基准中的标杆性能。

    Apr, 2024

  • 用于单目三维物体检测的分类深度分布网络

    提出了一种 Categorical Depth Distribution Network (CaDDN) 的解决方案，用于解决单目三维目标检测中的深度估计问题。在 KITTI 3D 目标检测基准测试中排名第一，同时也提供了用于 CaDDN 的代码发布。

    Mar, 2021

  • MonoDETR：基于深度引导的 Transformer 用于单目三维物体检测

    本研究介绍了一种名为 MonoDETR 的使用深度感知 Transformer 的新型单目三维物体检测框架。通过将物体候选项表示为一组查询，并采用基于注意力的深度编码器生成二维输入图像的非局部深度嵌入，然后提出了一个深度引导的解码器，通过深度交叉关注模块对查询与场景深度特征进行交互，每个物体查询从图像的深度引导区域自适应地估计其三维属性。该系统具有端到端的结构，在 KITTI 基准测试上取得了最新成果，并在广泛的消融研究中证明了该方法的有效性，具有成为未来单目三维物体检测研究的 Transformer 基线的潜力。

    Mar, 2022