面向三维边界框预测的自回归不确定性建模
计算机视觉与模式识别
2022-10-17 v1
摘要
三维边界框是许多计算机视觉应用中广泛使用的的中间表示。然而，预测它们是一项具有挑战性的任务，很大程度上源于部分可观测性，这凸显了对强不确定性感知的需求。尽管许多近期方法探索了更好的架构以处理稀疏且无结构化的点云数据，我们假设在输出分布的建模方面仍有改进空间，并探索如何通过自回归预测头来实现这一点。此外，我们发布了一个模拟数据集 COB-3D，其突出了真实世界机器人应用中出现的新类型歧义，而三维边界框预测在该领域很大程度上未被充分探索。我们提出了利用自回归模型进行高置信度预测和有意义不确定性度量的方法，在 SUN-RGBD、Scannet、KITTI 以及我们的新数据集上取得了强劲结果。
引用
@article{arxiv.2210.07424,
title = {Autoregressive Uncertainty Modeling for 3D Bounding Box Prediction},
author = {YuXuan Liu and Nikhil Mishra and Maximilian Sieb and Yide Shentu and Pieter Abbeel and Xi Chen},
journal= {arXiv preprint arXiv:2210.07424},
year = {2022}
}
备注
In ECCV 2022. Code and dataset are available at https://bbox.yuxuanliu.com