3d detection | BriefGPT - AI 论文速递

关键词3d detection

搜索结果 - 25

从稀疏点到稠密点云：通过有限的 LiDAR 数据增强 3D 检测
提出了一种结合单目和基于点云的三维检测的平衡方法，使用低成本、低分辨率的传感器获取仅有 512 个点，然后将这有限的三维信息与单张图像结合重建完整的三维点云，通过与多模态现成的三维检测器结合使用，使得三维检测的准确率相比于最新的单目检测方法
PDF3 months ago
3D 语义分割驱动的三维物体检测表征
在自动驾驶中，相较于 2D 检测，3D 检测能够提供更精确的信息用于路径规划和运动估计。然而，由于缺乏几何信息，单一和多视角图像以及来自相机的深度图在检测精度上相对较低。本文提出了 SeSame：一种基于点的语义特征的新表达方法，以确保基于
PDF4 months ago
AAAI具有结构先验的多摄像头实例感知 3D 目标检测与自我增强学习
提出了一种新方法 IA-BEV，它将图像平面实例感知集成到基于 BEV 的深度估计过程中，通过增强单目深度生成的有效性和鼓励模型在计算密集的时间立体匹配中更加注重具有挑战性的物体，为高质量 BEV 特征构建提供先进的深度估计结果，从而有利于
PDF7 months ago
Sparse4D v3：推进端到端三维检测与跟踪
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
PDF7 months ago
FGFusion：用于三维物体检测的细粒度激光雷达 - 摄像头融合
我们提出了 Fine-Grained Lidar-Camera Fusion (FGFusion) 方法，通过设计双通路层次结构提取图像的高级语义和低级详细特征，引入辅助网络指导点云特征学习细粒度的空间信息，最后采用多尺度融合 (MSF)
PDF9 months ago
PatchContrast：自监督预训练用于 3D 物体检测
基于自主车辆的关键挑战是准确检测环境中的物体。我们引入 PatchContrast，这是一个创新的自我监督点云预训练框架，用于 3D 物体检测。通过提出两个抽象层次的利用，我们学习未标记数据的判别性表示：提案级别和补丁级别。提案级别旨在确定
PDFa year ago
CVPRBi-LRFusion: 双向 LiDAR-Radar 融合用于 3D 动态物体检测
介绍了一种双向 LiDAR-Radar 融合框架，Bi-LRFusion，通过学习 LiDAR 分支的重要细节增强 Radar 的本地特征，从而解决 Radar 数据的稀疏性和缺乏高度信息的问题，并在 nuScenes 和 ORR 数据集上
PDFa year ago
BEV-IO: 用实例占用量增强鸟瞰图三维检测
提出了一种新的 3D 检测模型 BEV-IO，利用实例占用信息和几何感知特征传播机制增强了鸟瞰图表示，实验结果表明 BEV-IO 检测器能够提供更全面的 BEV 表示并且优于现有的方法。
PDFa year ago
Sparse4D v2：带稀疏模型的循环时间融合
本文提出了 Sparse4Dv2 算法，通过在时间融合模块中实现一种递归形式的多帧特征采样来提高性能，并达到了 nuScenes 3D 检测基准的最佳结果。
PDFa year ago
基于视觉的全景环视三维检测的极坐标参数化
本文提出了一种基于极坐标参数化的全景相机三维检测技术，使用视野对称性作为归纳偏置来简化优化和提高性能，并基于此提出了一种名为 PolarDETR 的环视 3D 检测转换器，在 nuScenes 基准测试中从速度到性能均表现出色。
PDF2 years ago
ECCVMPPNet：使用代理点进行多帧特征交错的 3D 时间物体检测
本文介绍了一种名为 MPPNet 的高性能 3D 检测框架，它采用三级多帧特征编码和交互体系结构，其中采用了代理点作为每个帧的一致对象表示，并在 Waymo Open 数据集上实现了较大优势的表现。
PDF2 years ago
FUTR3D: 一个用于 3D 检测的统一传感器融合框架
提出了第一个统一的端到端传感器融合框架 ——FUTR3D，使用了基于查询的通用特征采样器（MAFS）和一种集合损失的 Transformer 解码器进行 3D 检测。FUTR3D 在各种传感器组合上都得到了有效验证，并且具有在不同传感器配置
PDF2 years ago
DetMatch：联合二维与三维半监督目标检测中两位教师优于一位
本文提出了一个灵活的框架 DetMatch，用于 2D 和 3D 模态的联合半监督学习，通过识别两个传感器检测到的对象，生成更干净、更健壮的伪标签，进一步利用 RGB 图像的更丰富的语义来矫正不正确的 3D 类别预测。该方法在 KITTI
PDF2 years ago
CVPR自主驾驶中单目 3D 物体检测的伪立体方法
通过提出一个伪立体式的三维检测框架，包括三种新颖的虚拟视图生成方法和基于视差动态卷积的特征滤波，从单张图片中进行三维物体检测，该方法在 KITTI-3D 基准测试中获得了车辆、行人和骑行者三个类别的第一名。
PDF2 years ago
AAAIAFDetV2: 重新思考基于点云的物体检测是否需要第二阶段
本文介绍了一种名为 AFDetV2 的单级 anchor-free 网络方法在 3D 检测中的应用，并证明其在 Waymo 开放数据集及 nuScenes 数据集上的表现优于以往所有单级和双级 3D 检测方法。该方法在第一阶段中能够准确地回
PDF3 years ago
CVPR快速点变换器
本文介绍了一种基于 Fast Point Transformer 的新型轻量级自我关注层的方法，用于对大型 3D 场景进行处理和提高计算效率，并应用于 3D 语义分割和 3D 检测，具有与基于体素的最佳方法相竞争的准确性和比 Point T
PDF3 years ago
CVPR使用特征图流实现实时 3D 物体检测
本文提出了一种实时的 3D 检测方法，考虑了不同时间步骤的深度神经模型推理过程中的时间空间特征映射聚合（称为特征映射流），该方法改善了基于中心的 3D 检测基线的质量，并在 nuScenes 和 Waymo 基准测试中提供了实时性能。
PDF3 years ago
CVPRLiDAR R-CNN：一种高效且通用的三维物体检测器
本文研究基于激光雷达点云的三维检测在自动驾驶的感知系统中的重要性，并提出了 LiDAR R-CNN，这是一种可改进任何现有三维检测器的第二阶段检测器，采用了基于点的方法解决了实时和高精度要求的问题，在实际中具有普适性和优越性能。
PDF3 years ago
CVPR快与猛：使用单个卷积神经网络进行实时端到端的三维检测、跟踪和运动预测
本文提出一种深度神经网络模型，可以在利用 3D 传感器获取的数据的基础上联合推理 3D 检测、跟踪和运动预测，该方法在鸟瞰图表示的 3D 世界上执行时空 3D 卷积，具有高效的特点，并在多个北美城市捕获的超大规模数据集上进行实验，结果显示该
PDF4 years ago
PV-RCNN：Waymo Open Dataset Challenge 中性能最佳的 LiDAR-only 3D 检测 / 3D 跟踪 / 域自适应解决方案
本文介绍了基于 PV-RCNN 检测框架的 LiDAR 3D 检测、3D 跟踪和域自适应三项竞赛的获胜解决方案，其中探讨了 PV-RCNN 的多种变体，采用非极大值抑制和框投票的简单模型集成策略，使用 LiDAR 数据实现了 1 号位的 L
PDF4 years ago