Popular representation learning methods encourage feature invariance under
transformations applied at the input. However, in 3D perception tasks like
object localization and segmentation, outputs are naturally equivariant to some
transformations, such as rotation. Using pre-training lo
提出了一种具有对象级旋转等变性的 3D 物体检测器,EON,其通过旋转等变性悬挂设计来提取具有局部对象级空间支持并能够建模交叉对象上下文信息的等变特征,可应用于现代点云物体检测器,如 VoteNet 和 PointRCNN,以利用场景尺度下的物体旋转对称性,能够显著提高现有最先进 3D 物体检测器的表现。