Nov, 2023

Sparse4D v3:推进端到端三维检测与跟踪

TL;DR该研究论文提出了在自动驾驶感知系统中进行 3D 检测和跟踪的两个基本任务,并引入了两个辅助训练任务(时间实例去噪和质量估计)以及提出了解耦的注意力机制来进行结构上的改进,从而显著提高了检测性能。此外,我们还使用一种直接的方法将检测器扩展为跟踪器,在推断过程中分配实例 ID,进一步突显了基于查询的算法的优势。在 nuScenes 基准测试上进行了大量实验,验证了所提出改进的有效性。在以 ResNet50 为主干网络的情况下,我们观察到 mAP、NDS 和 AMOTA 分别提高了 3.0%、2.2%和 7.6%,分别达到了 46.9%、56.1%和 49.0%。我们的最佳模型在 nuScenes 测试集上达到了 71.9%的 NDS 和 67.7%的 AMOTA。代码将在 https://github.com/linxuewu/Sparse4D 上发布。