Co-Fix3D：通过协同精化增强 3D 目标检测
计算机视觉与模式识别
2024-11-18 v2
摘要
驾驶场景中的 3D 目标检测面临复杂道路环境的挑战，这可能导致关键特征的丢失或不完整，从而影响感知性能。为解决这一问题，我们提出了一个先进的检测框架 Co-Fix3D。Co-Fix3D 集成了局部与全局增强（LGE）模块来精化鸟瞰图（BEV）特征。LGE 模块使用离散小波变换（DWT）进行像素级局部优化，并引入注意力机制进行全局优化。为处理不同的检测难度，我们采用多头 LGE 模块，使每个模块能够聚焦于不同检测复杂度的目标，从而进一步增强整体感知能力。实验结果表明，在 nuScenes 数据集的 LiDAR 基准测试上，Co-Fix3D 达到 69.4% mAP 和 73.5% NDS，而在多模态基准测试上达到 72.3% mAP 和 74.7% NDS。源代码公开于 https://github.com/rubbish001/Co-Fix3d。
引用
@article{arxiv.2408.07999,
title = {Co-Fix3D: Enhancing 3D Object Detection with Collaborative Refinement},
author = {Wenxuan Li and Qin Zou and Chi Chen and Bo Du and Long Chen and Jian Zhou and Hongkai Yu},
journal= {arXiv preprint arXiv:2408.07999},
year = {2024}
}