ARM3D：基于注意力的关系模块用于室内三维目标检测
计算机视觉与模式识别
2025-03-06 v1
摘要
关系上下文已被证明对许多具有挑战性的视觉任务有用。在三维目标检测领域，先前的方法已利用上下文编码、图嵌入或显式关系推理来提取关系上下文。然而，由于存在噪声或低质量候选框，不可避免地会出现冗余的关系上下文。事实上，无效的关系上下文通常意味着潜在的场景误解与歧义，反而可能降低在复杂场景中的性能。受近期如 Transformer 之类的注意力机制启发，我们提出了一种新颖的基于注意力的三维关系模块（ARM3D）。它包含对象感知关系推理以在合格候选框之间提取成对关系上下文，以及一个注意力模块来为不同关系上下文分配注意力权重。通过这种方式，ARM3D 可充分利用有用的关系上下文并过滤那些相关性较低甚至令人困惑的上下文，从而缓解检测中的歧义。我们将 ARM3D 插入若干最先进（state-of-the-art）的三维目标检测器中进行有效性评估，并展示了更准确且更鲁棒的检测结果。大量实验表明了 ARM3D 在三维目标检测上的能力与泛化性。我们的源代码发布于 https://github.com/lanlan96/ARM3D。
引用
@article{arxiv.2202.09715,
title = {ARM3D: Attention-based relation module for indoor 3D object detection},
author = {Yuqing Lan and Yao Duan and Chenyi Liu and Chenyang Zhu and Yueshan Xiong and Hui Huang and Kai Xu},
journal= {arXiv preprint arXiv:2202.09715},
year = {2025}
}
备注
16 pages, 9 figures