DetZero：基于长期序列点云重新思考离线三维目标检测
计算机视觉与模式识别
2023-08-21 v2
摘要
现有离线三维检测器始终遵循模块化流水线设计以利用无限的序列点云。我们发现离线三维检测器的全部潜力未被挖掘，主要由于两个原因：（1）车载多目标跟踪器无法生成足够完整的物体轨迹；（2）物体的运动状态对以物体为中心的精炼阶段利用长期时间上下文表示提出了不可避免的挑战。为解决这些问题，我们提出一种名为 DetZero 的离线三维目标检测新范式。具体而言，提出一种结合多帧检测器的离线跟踪器，专注于所生成物体轨迹的完整性。提出一种注意力机制精炼模块，通过分解回归方法加强长期序列点云间的上下文信息交互以进行物体精炼。在 Waymo Open Dataset 上的大量实验表明，我们的 DetZero 优于所有最先进的车载与离线三维检测方法。值得注意的是，DetZero 以 85.15 mAPH（L2）检测性能在 Waymo 三维目标检测排行榜上排名第 1。进一步实验验证了以如此高质量结果替代人工标注的应用。我们的实证研究引发对惯例的重新思考，并得出可指导未来离线三维目标检测研究的有趣发现。
引用
@article{arxiv.2306.06023,
title = {DetZero: Rethinking Offboard 3D Object Detection with Long-term Sequential Point Clouds},
author = {Tao Ma and Xuemeng Yang and Hongbin Zhou and Xin Li and Botian Shi and Junjie Liu and Yuchen Yang and Zhizheng Liu and Liang He and Yu Qiao and Yikang Li and Hongsheng Li},
journal= {arXiv preprint arXiv:2306.06023},
year = {2023}
}
备注
17 pages, 8 figures, accepted by ICCV 2023