kitti benchmark | BriefGPT - AI 论文速递

关键词kitti benchmark

搜索结果 - 32

CVPRMonoCD: 具备补充深度的单目三维物体检测
通过增加全局深度线索和利用多个深度线索之间的几何关系，提出的方法可以提高单眼三维对象检测的深度补充性，实现了最新性能并无需引入额外数据。
PDF3 months ago
基于扩散的随机盒子三维物体检测
Diff3Det 使用扩散模型进行 3D 物体检测的提案生成，通过将检测框视为生成目标，在训练过程中将物体框从真实框扩散到高斯分布，并学习解码器逆转这个噪声过程。推理阶段，模型逐渐将一系列随机框细化为预测结果，在 KITTI 基准测试上表现
PDF10 months ago
ICCVPG-RCNN：用于三维目标检测的语义表面点生成
通过 RoI 点生成模块生成语义面点以实现准确检测，我们的方法在 KITTI 基准测试上取得了竞争性的性能。
PDFa year ago
MonoDETR：基于深度引导的 Transformer 用于单目三维物体检测
本研究介绍了一种名为 MonoDETR 的使用深度感知 Transformer 的新型单目三维物体检测框架。通过将物体候选项表示为一组查询，并采用基于注意力的深度编码器生成二维输入图像的非局部深度嵌入，然后提出了一个深度引导的解码器，通过深
PDF2 years ago
AAAI立体神经游标卡尺
提出了一种新的基于对象的框架来进行基于学习的立体 3D 物体检测，该模型可以在考虑场景中的显著变化的情况下，利用局部更新问题进行精细定位，并构建了一个粗到细的多分辨率系统，实现模型无关的物体位置细化，将跟踪实现在检测上。在 KITTI 基准
PDF2 years ago
ICLRMonoDistill: 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。
PDF2 years ago
学习使用辅助单目上下文有助于单目三维物体检测
该论文提出了一种不需要额外信息的单目 3D 物体检测方法 MonoCon，利用辅助任务学习单目上下文来帮助检测，在训练中利用了一组丰富的二维监督信号来学习辅助参数，该方法在 KITTI 基准测试中在车辆类别上实现了最佳表现，并获得了较高的检
PDF3 years ago
VPFNet：基于体素像素融合的多类三维物体检测网络
本论文提出了一种基于深度学习的融合多类三维物体检测网络，使用 Voxel-Pixel 融合层将激光雷达和相机传感器数据流进行联合，此方法在 KITTI 基准测试中表现优异，排名第一。
PDF3 years ago
ECCVRigNet: 用于深度完成的重复图像引导网络
本研究提出了一种基于图像引导的神经网络，在处理深度不完整的情况下，通过引入重复设计和小时 glass 网络和动态卷积技术，提高了深度预测精度，在 KITTI 基准测试和 NYUv2 数据集上均取得了优越或有竞争力的结果。
PDF3 years ago
Neighbor-Vote: 通过邻近距离投票提高单目 3D 物体检测
本文介绍了一种新的邻居投票方法，以改进单目图像的伪激光雷达点云中的目标检测，特别是针对前景 ROI 伪激光雷达点的预测。我们还将实验结果与 KITTI 基准进行了比较，发现我们的方法优于现有的最佳方法。
PDF3 years ago
CVPRSE-SSD：基于点云的自集成单阶段目标检测器
SE-SSD 是一种有效的基于单级检测器的自组装方法，可以准确地检测外部点云中的三维物体，并使用软和硬目标的约束来联合优化模型，最终达到比所有先前已发表作品更好的性能。
PDF3 years ago
CVPR多任务多传感器融合的三维物体检测
本文提出了一种利用多个相关任务进行准确多传感器 3D 目标检测的方法，并展示了一种全面的可学习体系结构，用于推理 2D 和 3D 目标检测以及地面估计和深度完成，在各个层面上融合信息有助于学习更好的表示。实验表明，所有这些任务是互补的，可
PDF4 years ago
AAAIPC-RGNN: 三维物体检测的点云补全与图形神经网络
本研究提出一种新的两阶段方法，其中包括点云完成模块以恢复高质量的点密集提案和整个视图，同时设计了图神经网络模块，实现了全局本地关联机制和多尺度图形的上下文聚合，显著强化编码特征，实验表明，所提出的方法在 KITTI 基准测试中优于之前的基线
PDF4 years ago
AAAI基于特征融合的粗到细残差学习用于深度补全的 FCFR-Net
提出了一种基于残差学习的端到端深度完成框架，其将深度完成分为两个阶段进行训练，即粗 - 精阶段，并利用颜色图像和粗深度图提取了表示特征和进行了能量融合操作，将 KITTI 基准下的平均 RMSE 性能提高至当前最先进技术水平以上。
PDF4 years ago
CVPREffiScene: 用于光流、深度、相机姿态和运动分割的高效像素刚性推断的无监督联合学习
本论文提出一种 EffiScene 场景流框架，通过 Rigidity from Motion 层的学习，同时联合学习光流、深度、相机姿态和运动分割 4 个底层视觉子任务，有效地解决了无监督场景流估计问题。实验证明，该方法在 KITTI 基
PDF4 years ago
CLOCs: 用于 3D 物体检测的相机 - LiDAR 物体候选融合
该研究提出了一种新的相机 - 激光雷达物体候选（CLOCs）融合网络，可以显著提高单模态检测器的性能，通过将 2D 和 3D 检测器的相互一致性与几何和语义一致性相结合，产生更准确的最终 2D 和 3D 检测结果，并在 KITTI 目标检
PDF4 years ago
3D-CVF：使用跨视角空间特征融合生成联合相机和激光雷达特征进行 3D 物体检测
提出了一种新的深度架构，用于将相机和 LiDAR 传感器融合以进行 3D 物体检测，该方法称为 3D-CVF，通过交叉视图空间特征融合策略，使用自动校准投影将相机和 LiDAR 特征组合，该方法在 KITTI 基准测试中实现了最先进的性能。
PDF4 years ago
自监督实例适应的单目深度估计
本文介绍了一种新方法，可将任何现成的自我监督的单目深度重建系统扩展到在测试时使用多个图像。该方法利用自我监督来提高多个视图可用时深度重建的准确性，在 KITTI 基准测试中，我们的自我监督方法在常见的三种设置（单目、立体和单目 + 立体）下
PDF4 years ago
Point-GNN: 针对点云中 3D 物体检测的图神经网络
本研究提出了一种基于图神经网络的 LiDAR 点云对象检测方法，采用自动注册机制降低了平移方差，并结合盒子合并和计分运算从多个数据点准确地组合检测结果，在 KITTI 基准测试中，该方法仅使用点云即可实现领先的准确性，甚至胜过融合算法，这显
PDF4 years ago
CVPRHVNet：用于基于激光雷达的三维物体检测的混合体素网络
我们提出了一种名叫 Hybrid Voxel Network（HVNet）的新型一阶段统一网络，用于基于点云的自动驾驶 3D 目标检测。在 KITTI 基准测试中，单个 HVNet 实现了最好的 mAP，并具有 31Hz 的实时推理速度。
PDF4 years ago