用于 BEV 感知的基于扩散的 Particle-DETR
计算机视觉与模式识别
2023-12-20 v1
摘要
鸟瞰图（BEV）因其与下游任务的良好兼容性，成为自动驾驶（AV）视觉感知中最广泛使用的场景表示之一。为提升自动驾驶的安全性，在 BEV 中建模感知不确定性至关重要。近期基于扩散的方法为视觉感知的不确定性建模提供了一种有前景的途径，但无法在 BEV 的大覆盖范围内有效检测小目标。这种性能下降主要归因于所使用的特定网络架构和训练时的匹配策略。在此，我们通过将扩散范式与当前最先进的 BEV 3D 目标检测器相结合来解决这一问题。我们分析了确定性检测器中不存在的该方法的独特挑战，并提出了一种基于目标查询插值的简单技术，使模型即使在存在扩散噪声的情况下也能学习位置依赖性。基于此，我们提出了一种用于目标检测的基于扩散的 DETR 模型，其与粒子方法具有相似性。在 NuScenes 数据集上的大量实验表明，与确定性最先进方法相比，我们的生成方法取得了相当或更好的性能。我们的源代码将公开发布。
引用
@article{arxiv.2312.11578,
title = {Diffusion-Based Particle-DETR for BEV Perception},
author = {Asen Nachkov and Martin Danelljan and Danda Pani Paudel and Luc Van Gool},
journal= {arXiv preprint arXiv:2312.11578},
year = {2023}
}