Jun, 2024

基于 LiDAR 的三维物体检测的测试时间适应的模型协同

PDF
TL;DR基于 LiDAR 的 3D 物体检测中，引入了一种名为模型协同的在线自适应框架，通过动态组装最佳的超级模型来指导模型更新，同时在复合超级模型中最小化冗余。该方法在多个数据集和不同类型的数据损坏下进行了全面测试，并在复杂的 “跨数据集” 场景中表现出优越的适应能力。
lidar-based3d object detectiononline adaptation frameworkmodel synergysupermodels
发现论文，激发创造
  • MambaMOS：基于 LiDAR 的带运动感知状态空间模型的三维移动物体分割

    本研究提出了一种名为 MambaMOS 的基于 LiDAR 的三维运动物体分割方法，利用时间线索引导嵌入模块 (TCBE) 和运动感知状态空间模型 (MSSM) 解决了弱关联时空信息的问题，并通过实验证明其达到了最先进的性能水平。

    Apr, 2024

  • 合作监督的力量：增强的三维半监督目标检测的多教师框架

    为了确保自主驾驶平台的安全行驶，除了开发高性能的物体检测技术外，还需要建立一个反映各种城市环境和物体特征的多样化和代表性的数据集。为了解决这两个问题，我们构建了一个多类别的 3D LiDAR 数据集，反映了多样化的城市环境和物体特征，并开发了基于多个教师框架的强大的 3D 半监督目标检测器。我们提出了一种简单而有效的增强技术，基于饼状点补偿（PieAug）的增强，以使教师网络生成高质量的伪标签。对 WOD、KITTI 和我们的数据集进行的大量实验验证了我们提出的方法的有效性和数据集的质量。实验结果表明，我们的方法始终优于现有的最先进的 3D 半监督目标检测方法。我们计划在不久的将来在我们的 Github 存储库上发布我们的多类别 LiDAR 数据集和源代码。

    May, 2024

  • 激光雷达引导半监督主动学习的单目三维物体检测

    本文提出了一种新颖的半监督主动学习 (SSAL) 框架，用于配备了激光雷达的单目 3D 物体检测，利用了模型开发过程中所收集的所有数据的多模态。通过利用激光雷达来指导单目 3D 检测器的数据选择和训练，不在推理阶段引入任何开销，并采用半监督学习中的激光雷达教师，单目学生交叉模态框架，用于从未标记数据中蒸馏信息作为伪标签，以处理传播噪声等问题。文中也给出了用于选择需标记样本的传感器一致性基础选择评分的解决方案，同时也符合训练目标。本文在 KITTI 和 Waymo 数据集上广泛实验，验证了所提出方法的有效性。具体来说，所提出的选择策略在成本节省方面始终优于现有主动学习基线，在标签成本上节约了高达 17% 的成本；训练策略在 KITTI 3D 和 BEV 单目物体检测官方基准中获得了最佳成绩，将 BEV 平均精度提高了 2.02。

    Jul, 2023

  • MF-MOS: 一种用于移动物体分割的动态模型

    提出了一种新颖的以运动为重点的模型，利用残差图和视域图来实现 LiDAR 运动物体分割，取得了当前最先进的性能表现。

    Jan, 2024

  • 通过激光雷达 - 相机协同实现一致性目标检测

    该研究论文介绍了一种端到端的一致性目标检测算法框架，能够同时获取点云和图像中物体的位置并建立它们之间的关联，通过新的一致性精度评估指标验证了该框架的准确性，实验结果表明该方法具有优秀的检测性能和鲁棒性。

    May, 2024

  • MS3D++: 多源无监督领域自适应的 3D 目标检测专家集合

    MS3D++ 是一个用于 3D 目标检测的自我训练框架，通过生成高质量的伪标签实现多源无监督域适应，改进了 3D 检测器在不同领域中的泛化能力，并在 Bird's Eye View（BEV）评估中，使用 MS3D++ 伪标签训练的检测器在低密度和高密度 lidar 的性能上达到了与人工标注标签相媲美的最新水平。

    Aug, 2023

  • CL3D：基于无监督领域自适应的跨激光雷达 3D 检测

    利用空间几何对齐和时间运动对齐构建自适应域归一化方法，以头显和机械扫描激光雷达的点云数据为例，实现了跨设备 3D 检测的最新性能水平。

    Dec, 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

  • 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

    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。

    Oct, 2023

  • 基于交叉任务协同的在线多目标跟踪

    本研究提出了一种新的联合模型，将位置预测和嵌入关联相结合，以尽量从目标信息中提取更可靠的嵌入，从而提高数据关联的准确性和鲁棒性。实验结果表明，该方法在 MOT 挑战基准测试中的性能优于现有方法。

    Apr, 2021