waymo open dataset | BriefGPT

关键词waymo open dataset

搜索结果 - 20

MGTR：利用 LiDAR 进行运动预测的多粒度变压器
该研究论文介绍了一种多粒度转换器（MGTR）框架，它是一个编码器 - 解码器网络，利用不同粒度的上下文特征来处理不同类型的交通代理。通过整合来自现成的 LiDAR 特征提取器的 LiDAR 语义特征，进一步增强 MGTR 的功能。在 Way
PDF7 months ago
基于格里曼角度场视觉变换器的自动驾驶车辆驾驶行为探索
本研究提出了 Gramian Angular Field Vision Transformer (GAF-ViT) 模型，用于分析自动驾驶汽车 (AV) 的驾驶行为。该模型通过将多变量行为的代表序列转化为多通道图像，并应用图像识别技术进行行
PDF9 months ago
CVPRLPFormer: 多任务网络 LiDAR 姿态估计 Transformer
本文介绍了一种使用 LiDAR 和 3D 注释的姿势估计方法 LPFormer，该方法使用第一阶段的多级特征表示检测人类边界框并提取特征表示，第二阶段的基于 Transformer 的网络使用这些特征来回归人体关键点，并在 Waymo Op
PDFa year ago
基于车辆运动预测的 3D 物体检测框架融合
本文提出了一种基于历史帧和关联模型的 3D 物体检测方法 ——FrameFusion，使用车辆运动模型来确定物体的未来位置并应用加权非极大值抑制算法，从而获得融合后的帧，以此显著提高 3D 检测器的性能。
PDFa year ago
全局到局部三维重建的二维监督单目三维物体检测
本研究提出了一种新的逆向学习范式，称为 BA^2-Det，利用全局到局部 3D 重建的思想，对二维监督单目三维物体检测进行学习，实验结果显示 BA^2-Det 的性能与完全监督方法相当，并且甚至优于某些先驱的完全监督方法。
PDFa year ago
CVPR野外无需人类标注的点云三维人体关键点估计
提出了一种无监督学习的方法 GC-KPL 来学习 3D 人体关键点定位，并且在未标注的数据集上取得了相对合理的性能，同时 GC-KPL 在少样本学习以及利用大量未标注数据方面得到了有效应用。
PDFa year ago
CVPRMoDAR: 通过动态预测在点云序列中进行 3D 物体检测
MoDAR 使用运动预测输出作为一种虚拟模态，以增强 LiDAR 点云，从而将物体信息从时间上下文向目标帧传播，通过将原始传感器点和虚拟点的融合点云馈送到任何现成的基于点云的三维物体检测器，可以极大地提高对遮挡和长距离物体的检测效果。
PDFa year ago
一旦检测到即无法丢失：离线激光雷达三维目标检测超越人类表现
本文旨在提高离线基于 LiDAR 的三维物体检测的性能，提出了一种新的基于轨道中心的检测器 CTRL，并设计了一个双向跟踪模块和一个轨道中心学习模块，实现了 “一旦检测，永不失误” 的特征。大量实验表明，我们的方法在竞争激烈的 Waymo
PDFa year ago
CVPR基于运动引导的序列融合技术用于点云序列的高效三维物体检测
本文提出了一种基于运动引导的序列融合（MSF）方法，通过利用物体的运动连续性来挖掘有用的序列上下文，结合双向特征聚合（BiFA）模块和基于体素采样的点云池化技术，使得数百万个点能够在几毫秒内被处理，实现了比其他多帧检测器更好的效率和领先的准
PDFa year ago
ECCVCenterFormer：基于中心点的 Transformer 用于 3D 物体检测
本文提出了一种基于中心点的变换网络 ——CenterFormer，它使用查询嵌入来聚合中心候选点的特征向量，并设计了一种通过交叉注意力来融合多帧特征的方法。在 Waymo Open 数据集上，CenterFormer 在单个模型上实现了先进
PDF2 years ago
优化基于锚点的检测器用于自动驾驶场景
研究了适用于自动驾驶场景的基于锚点的检测器的模型改进和推理时间优化，提出了模型缩放策略，以实现更好的速度 - 精度权衡曲线，并在 Waymo 开放数据集上获得了新的最新技术水平。
PDF2 years ago
CVPRMotionCNN 自动驾驶中运动预测的强大基准线
本文提出了一种基于卷积神经网络的简单而强大的多模态运动预测基准线，与最先进方法相比，具有竞争性的性能，并且在 2021 年 Waymo 开放数据集运动预测挑战赛上排名第三。
PDF2 years ago
利用稀疏变换器的单步 3D 物体检测器
本文研究在自动驾驶中基于 LiDAR 的三维物体检测问题，发现传统的下采样操作可能对信息造成不可避免的损失，提出了一种称作 Single-stride Sparse Transformer (SST) 的新方法，该方法利用 transfor
PDF3 years ago
ICCV学习的多模态对齐的 4D-Net
4D-Net 是一种使用 3D 点云和 RGB 感知信息，利用动态连接学习和几何约束来进行三维物体检测的方法。在 Waymo Open Dataset 上，相较于现有方法和强基线，其利用运动线索和密集图像信息更能成功检测到远处的物体。
PDF3 years ago
ICCVDenseTNT：Waymo 开放数据集运动预测挑战第 1 名解决方案
提出一种名为 DenseTNT 的无锚点（anchor-free）模型，通过稠密的目标概率估计进行轨迹预测，取得了最先进的性能，在 Waymo Open Dataset 运动预测挑战中排名第一。
PDF3 years ago
3D-MAN: 三维多帧注意力网络用于物体检测
本文介绍了一种名为 3D-MAN 的 3D 多帧注意力网络，通过对多个角度的特征进行聚合从而实现了对复杂数据集的有效检测与识别。
PDF3 years ago
RangeDet: 基于激光雷达的三维物体检测中使用范围视图的辩护
本文提出了一个基于 LiDAR 的单级别无锚点 3D 物体检测方法 --RangeDet。与以前的方法相比，最显著的区别是我们的方法基于范围视角表现，使用常用的像素或 Bird's Eye View (BEV) 表示方法相比，范围视角表述
PDF3 years ago
Waymo Open Dataset Challenge 2020 2D 目标检测赛道第一名方案
本文介绍了我们在 Waymo 开源数据集上使用的解决方案，使用了 FPN、Cascade RCNN、stacked PAFPN Neck 和 Double-Head 等技术对性能进行了提升，在训练和测试中使用了非常大的图像尺度，并使用这些方
PDF4 years ago
ECCV基于 LSTM 的 LiDAR 点云时序三维物体检测方法
本文提出了一种基于稀疏 LSTM 的多帧 3D 对象检测算法，使用 U-Net 风格的稀疏 3D 卷积网络提取每帧 LiDAR 点云的特征，并将这些特征与上一帧的隐藏和记忆特征一起输入到 LSTM 模块中，以预测当前帧中的 3D 对象，同时
PDF4 years ago
SurfelGAN: 自主驾驶实际传感器数据合成
本文提出一种利用少量激光雷达和摄像机数据生成真实场景传感器数据的方法，使用 SurfelGAN 网络重建逼真的相机图像对自主驾驶车辆和场景中移动物体的新位置和方向进行模拟，并在 Waymo 开放数据集上演示其有效性。
PDF4 years ago