基于投票步骤扩散的点云三维目标检测
计算机视觉与模式识别
2024-03-22 v1
摘要
三维目标检测是场景理解中的一项基本任务。大量研究工作致力于将霍夫投票更好地融入三维目标检测流程。然而，由于真实三维扫描具有噪声、杂乱和不完整的特性，现有的基于投票的方法常常接收到来自单个物体部分表面的投票以及严重噪声，导致检测性能欠佳。在本工作中，我们关注点云的分布特性，并将投票过程形式化为在物体中心分布的高密度区域生成新点。为此，我们提出了一种新方法，通过使用噪声条件评分网络估计分布的评分函数，将随机三维点移向分布的高密度区域。具体而言，我们首先生成一组目标中心提案，以粗略识别目标中心分布的高密度区域。为估计评分函数，我们通过添加归一化高斯噪声来扰动生成的目标中心提案，然后联合估计所有扰动分布的评分函数。最后，我们根据估计的评分函数，通过将随机三维点移动到目标中心分布的高密度区域来生成新的投票。在两个大规模室内三维场景数据集SUN RGB-D和ScanNet V2上的大量实验证明了我们提出方法的优越性。代码将发布在https://github.com/HHrEtvP/DiffVote。
引用
@article{arxiv.2403.14133,
title = {3D Object Detection from Point Cloud via Voting Step Diffusion},
author = {Haoran Hou and Mingtao Feng and Zijie Wu and Weisheng Dong and Qing Zhu and Yaonan Wang and Ajmal Mian},
journal= {arXiv preprint arXiv:2403.14133},
year = {2024}
}