3DLG-Detector：基于局部-全局特征同步学习的3D目标检测
计算机视觉与模式识别
2022-09-01 v1
摘要
捕获不规则点云局部与全局特征对 3D 目标检测（3OD）至关重要。然而，主流 3D 检测器（如 VoteNet 及其变体）或在池化操作中丢弃大量局部特征，或忽略整个场景上下文中的许多全局特征。本文探索新模块以同步学习场景点云的局部-全局特征，从而正向服务于 3OD。为此，我们提出一种通过同步局部-全局特征学习的高效 3OD 网络（称为 3DLG-Detector）。3DLG-Detector 有两个关键贡献。首先，它开发了动态点交互（DPI）模块，在池化过程中保留有效局部特征。此外，DPI 是可拆卸的，可嵌入现有 3OD 网络以提升其性能。其次，它开发了全局上下文聚合模块，从编码器的不同层聚合多尺度特征以实现场景上下文感知。我们的方法在 SUN RGB-D 与 ScanNet 数据集上，在检测精度与鲁棒性方面均优于十三个对比方法。源代码将在发表后公开。
引用
@article{arxiv.2208.14796,
title = {3DLG-Detector: 3D Object Detection via Simultaneous Local-Global Feature Learning},
author = {Baian Chen and Liangliang Nan and Haoran Xie and Dening Lu and Fu Lee Wang and Mingqiang Wei},
journal= {arXiv preprint arXiv:2208.14796},
year = {2022}
}