Auto4D：从序列点云中学习标注4D物体
计算机视觉与模式识别
2021-03-15 v2
摘要
过去几年中，得益于深度学习方法，我们在物体感知（尤其是4D时空维度）方面取得了巨大进展。然而，它们通常依赖大量高质量标注才能达到良好性能，而这往往需要人工标注者耗时且昂贵的劳动。为此，我们提出一种自动标注流程，从LiDAR点云生成3D空间中的精确物体轨迹（即4D标注）。其核心思想是将4D物体标注分解为两部分：刚体物体随时间固定的3D尺寸，以及描述物体位姿随时间演化的运动路径。我们并非一次性生成一系列标注，而是采用迭代优化过程：将在线生成的物体检测结果随时间跟踪作为初始化。给定廉价但含噪的输入，我们的模型通过重新估计物体尺寸并平滑运动路径来产出更高质量的4D标注，其改进得益于利用整条轨迹上聚合的观测与运动线索。我们在大规模驾驶数据集上验证了所提方法，并显示人工标注工作量减少25%。我们还展示了该方法在人在回路标注设置中的优势。
引用
@article{arxiv.2101.06586,
title = {Auto4D: Learning to Label 4D Objects from Sequential Point Clouds},
author = {Bin Yang and Min Bai and Ming Liang and Wenyuan Zeng and Raquel Urtasun},
journal= {arXiv preprint arXiv:2101.06586},
year = {2021}
}