Aug, 2023

基于 3D-GPR 的子基层病害检测的多视角融合与蒸馏

PDF
TL;DR通过利用来自三维地质雷达数据的多视角信息，我们引入了一种新的、针对基床病害检测任务的方法，同时构建了一个从原始三维地质雷达数据衍生的真实多视角图像数据集，从而提供了比 A 扫描和 B 扫描数据更丰富的空间信息，并减少了与 C 扫描数据相比的计算复杂性。随后，我们开发了一种新颖的 GPR-MVFD 框架，旨在最优化利用多视角地质雷达数据集，通过多视角蒸馏和基于注意力的融合，提取基床病害的显著特征。我们的框架在新的 GPR 基准测试中进行了广泛的实验，证明了其有效性和高效性，不仅超过了现有的 GPR 基线，还超过了多视角学习、多模态学习和知识蒸馏领域的最新方法。我们将发布构建的多视角地质雷达数据集，其中包含了专家标注的标签和所提出框架的源代码。
3d ground-penetrating radarsubgrade distress detectionmulti-view informationgpr-mvfdknowledge distillation
发现论文，激发创造
  • 结构化知识蒸馏方法实现高效紧凑的多视角三维检测

    本论文提出了一种基于结构化知识蒸馏的框架，旨在提高现代视觉仅 BEV 检测模型的效率，并在 nuScenes 基准测试上表现出显著的优越性，平均改善 2.16mAP 和 2.27NDS。

    Nov, 2022

  • 多视角遥感数据的自适应融合用于最佳子区域作物产量预测

    利用多视角学习方法和多视图门控融合模型 (MVGF)，本研究预测不同作物和地区的农作物产量，数据源包括 Sentinel-2 卫星的多光谱光学图像和作物生长季节的气象数据，以及土壤特性和地形信息等静态特征，实验结果表明 MVGF 模型相较于传统模型在预测任务上具有更好的表现，达到了 0.68 的 R2 值。

    Jan, 2024

  • 多视图自适应融合网络用于三维物体检测

    本文提出了一种基于多视角融合的 3D 目标检测网络，结合了激光雷达鸟瞰视角、激光雷达距离视角和相机视角图像，使用注意力机制和额外任务优化点特征和结构信息，有效地实现了多视角特征的适应性融合，该网络在 KITTI 3D 目标检测数据集上的表现令人满意。

    Nov, 2020

  • 高分辨率多视角卫星图像自动 3D 恢复

    本文提出了一种处理多视图卫星图像生成 3D 数字表面模型的自动化流程，其中包括自动地地理参考和基于匹配生成高质量密集点云。通过学习样本 LiDAR 数据的关键配置，我们根据结果的接近程度对图像对进行排名，并使用自适应 3D 中值滤波器融合多个深度图。我们证明了提出的自适应中值滤波器通常比普通中值滤波器产生更好的结果，在最佳情况下达到了 0.36 米 RMSE 的精度提高。结果和分析被详细介绍。

    May, 2019

  • 用于自动驾驶的多视角三维物体检测网络

    该论文研究了自动驾驶场景下高精度的 3D 物体检测问题。其提出了 Multi-View 3D networks（MV3D）框架，该框架采用多传感器融合技术，将 LIDAR 点云和 RGB 图像作为输入，并预测有方向的 3D 界限框。实验表明，该方法在 3D 定位和 3D 检测任务方面的表现优于现有技术约 25％和 30％，在 2D 检测中也表现出显著的技术优势。

    Nov, 2016

  • MVDiff: 可扩展灵活的多视图扩散用于从单视图进行 3D 物体重建

    通过引入情景表示变换器和视图条件扩散模型，该论文提出了一个通用框架，用于从单个图像生成一致的多视图图像。通过多视图注意力和极线几何约束来确保三维一致性，该模型能够从仅一个图像输入生成超过基准方法在评估指标（包括 PSNR、SSIM 和 LPIPS）方面的三维网格。

    May, 2024

  • 细粒度车辆识别的渐进式多任务抗噪学习和蒸馏框架

    本文提出了一种渐进式多任务抗噪声学习（PMAL）框架和一种渐进式多任务蒸馏（PMD）框架，以解决细粒度车辆识别中由图像噪声引起的类内差异问题。通过将图像去噪视为图像识别中的一项额外任务，并渐进地使模型学习噪声不变性，PMAL 框架实现了较高的识别准确性。PMD 框架将 PMAL 训练模型的知识转移到原始骨干网络中，产生一个具有与 PMAL 训练模型相同识别准确性的模型，但没有原始骨干网络的额外开销。结合这两个框架，在 Stanford Cars 和 CompCars 等两个广泛使用的标准细粒度车辆识别数据集，以及北京理工大学（BIT）车辆、Vehicle Type Image Data 2（VTID2）和 Vehicle Images Dataset for Make Model Recognition（VIDMMR）等三个监控图像车辆类型分类数据集上，获得了显著超过以往最先进方法的模型，而没有原始骨干网络的额外开销。

    Jan, 2024

  • 3DiffTection：具有几何感知扩散特征的三维物体检测

    我们介绍了 3DiffTection，这是一种用于从单张图像中进行 3D 物体检测的最先进方法，利用了来自 3D 感知扩散模型的特征。通过两种专门的调整策略：几何和语义，我们的方法弥合了这些差距。通过我们的方法，我们获得了为 3D 检测量身定制的 3D 感知特征，以及在识别跨视角点对应方面表现出色的能力。

    Nov, 2023

  • 3DifFusionDet：基于鲁棒性激光雷达与相机融合的三维物体检测的扩散模型

    该研究提出了 3DifFusionDet 框架，将 3D 目标检测视为从噪声 3D 框到目标框的去噪扩散过程，并通过特征对齐策略和渐进改进方法，在 LiDAR-Camera 融合中取得了显著贡献。实验证明，3DifFusionDet 在 KITTI 上的表现优于前期的经典检测器。

    Nov, 2023

  • 道路病害识别中的深度学习方法：综述

    综述最近图像处理和深度学习技术在道路病害检测和分类中的广泛应用，介绍了机器学习和深度学习算法在提高效率和准确性方面的优势，讨论了无人机数据采集的整合以及处理高分辨率图像的深度学习算法在有效检测和分类不同道路病害方面的价值。

    Aug, 2023