Oct, 2023

MonoSKD：通过 Spearman 等级相关系数进行单目三维物体检测的通用蒸馏框架

PDF
TL;DR基于 Spearman 相关系数的单目 3D 检测的知识蒸馏框架 MonoSKD，在 KITTI 3D 目标检测基准测试上取得了最先进的性能，没有额外的推理计算成本。
monocular 3d object detectionknowledge distillationmonoskdspearman correlation coefficientkitti 3d object detection benchmark
发现论文，激发创造
  • MonoDistill: 学习单目三维物体检测的空间特征

    该研究提出了一种利用激光雷达信号将空间信息引入单目三维检测器的简单有效方案，实验结果显示该方法明显提升了基线模型的性能，并在 KITTI 基准测试中排名第一。

    Jan, 2022

  • 单目 3D 物体检测的跨模态知识蒸馏网络

    本研究提出了一种基于 Cross-Modality Knowledge Distillation (CMKD) 的半监督训练框架，通过跨模态知识蒸馏能够从大规模未标记数据中有效传输 LiDAR 模态到图像模态的知识，从而显著提高单目三维检测性能，使得该方法在 KITTI 测试集和 Waymo 验证集上的表现明显优于先前最先进的方法。

    Nov, 2022

  • 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

  • 通过皮尔逊相关系数的通用蒸馏框架用于目标检测

    本研究提出一种新的知识蒸馏方法，即通过皮尔逊相关系数来模拟特征之间的相互关系，以放松特征大小的限制，从而有效地在目标检测中训练异构模型，并在 COCO2017 数据集上分别与 RetinaNet 和 FCOS 基线相比，分别获得 4.1％和 4.8％的 mAP 提高。

    Jul, 2022

  • 单视图弱监督单目 3D 检测

    利用深度信息，无需任何三维标注或其他训练数据，SKD-WM3D 提出了一种弱监督的单目三维检测框架，通过融合深度信息将图像特征转化为三维表示，有效地消除了单目场景中的深度歧义。实验证明，SKD-WM3D 明显超过了最先进的方法，甚至与许多全监督方法相媲美。

    Feb, 2024

  • 通过知识蒸馏实现高效的 3D 目标检测

    本文章提出了一种使用知识蒸馏技术开发高效 3D 物体检测器的方法，并在输入分辨率降低和模型压缩方面发掘教师学生模型的差异，基于现有的 KD 方法建立了一个基准测试，提出了一种改进的 KD 流程，最后在 Waymo 数据集上进行了大量实验，实现了比教师模型更高的精度和更快的运行速度。

    May, 2022

  • X 射线精简弱到强的三维物体检测

    提出了一种新颖的方法，通过使用 X 射线视觉模型引入 Object-Complete frames 来处理 LiDAR 在 3D 物体检测中的稀疏性和遮挡问题，并且应用于半监督和监督学习场景中，取得了优于现有方法 1-1.5 mAP 的性能提升。

    Mar, 2024

  • StereoDistill: 从 LiDAR 中精选要素，用于精炼基于立体视觉的三维物体检测

    本文提出了一种跨模态蒸馏方法 StereoDistill，通过在响应级别上从优秀的 LiDAR 模型中提取立体探测器，缩小了立体和基于 LiDAR 的方法之间的差距，其中的关键设计是：用于回归的 X 组件引导蒸馏（XGD）和用于分类的交叉锚定逻辑蒸馏（CLD）。

    Jan, 2023

  • 跨模态、任务和阶段的知识蒸馏：用于多摄像头三维物体检测的方法

    本文提出 X^3KD，一种基于多模态、多任务、多阶段的知识蒸馏框架，通过跨任务蒸馏、跨模态特征蒸馏、对抗训练以及跨模态输出蒸馏等方式，改进了基于多摄像头图像的 3D 物体检测模型性能，最终 X^3KD 模型在 nuScenes 和 Waymo 数据集上取得了最新的最佳性能表现，并且具有推广到基于雷达的 3D 物体检测的能力。

    Mar, 2023

  • 基于注意力机制的深度蒸馏技术与三维感知位置编码在单目三维物体检测中的应用

    提出了一种名为 ADD 的基于注意力的深度知识蒸馏框架，采用 3D 感知的位置编码方式，以在 KITTI 3D 目标检测基准测试上实现单目 3D 目标检测的最先进性能。

    Nov, 2022