BEVNeXt：复兴用于3D目标检测的密集BEV框架
计算机视觉与模式识别
2024-03-26 v2
摘要
近年来，基于查询的Transformer解码器的兴起正在重塑基于摄像头的3D目标检测。这些基于查询的解码器正超越传统的密集BEV（鸟瞰图）方法。然而，我们认为密集BEV框架仍然重要，因其出色的深度估计与目标定位能力，可准确且全面地描绘3D场景。本文旨在解决现有基于密集BEV的3D目标检测器的缺陷，引入我们提出的增强组件，包括一个强制对象级一致性的CRF调制深度估计模块、一个具有扩展感受野的长期时间聚合模块，以及一个结合透视技术与CRF调制深度嵌入的两阶段目标解码器。这些增强带来了被称为BEVNeXt的“现代化”密集BEV框架。在nuScenes基准上，BEVNeXt在各种设置下均优于基于BEV和基于查询的框架，在nuScenes测试集上取得了64.2 NDS的最先进结果。代码将发布于\url{https://github.com/woxihuanjiangguo/BEVNeXt}。
引用
@article{arxiv.2312.01696,
title = {BEVNeXt: Reviving Dense BEV Frameworks for 3D Object Detection},
author = {Zhenxin Li and Shiyi Lan and Jose M. Alvarez and Zuxuan Wu},
journal= {arXiv preprint arXiv:2312.01696},
year = {2024}
}