DuoSpaceNet：充分整合鸟瞰视图与透视视图表征的 3D 目标检测框架
计算机视觉与模式识别
2025-04-09 v3 机器人学
摘要
多视角仅使用摄像头的 3D 目标检测主要遵循两种主要范式：一种是利用鸟瞰视图 (BEV) 表征，另一种是聚焦于透视视图 (PV) 特征，每种方法各有优势。虽然最近几种方法探索了结合 BEV 和 PV，但许多方法依赖于部分融合或保持独立的检测头。在本文中，我们提出了 DuoSpaceNet，一种新颖的框架，能够在单一检测管道中完全统一 BEV 和 PV 特征空间，以实现全面的 3D 感知。我们的设计包括一种解码器，用于将 BEV 和 PV 特征整合到统一的检测查询中，以及一种特征增强策略，用于丰富不同的特征表征。此外，DuoSpaceNet 可以扩展到处理多帧输入，从而实现更稳健的时序分析。在 nuScenes 数据集上的大量实验表明，DuoSpaceNet 在 3D 目标检测和 BEV 地图分割方面均优于基于 BEV 的基线方法（如 BEVFormer）和基于 PV 的基线方法（如 Sparse4D），验证了我们方法设计的有效性。
引用
@article{arxiv.2405.10577,
title = {DuoSpaceNet: Leveraging Both Bird's-Eye-View and Perspective View Representations for 3D Object Detection},
author = {Zhe Huang and Yizhe Zhao and Hao Xiao and Chenyan Wu and Lingting Ge},
journal= {arXiv preprint arXiv:2405.10577},
year = {2025}
}
备注
CVPR 2025 Workshop on Autonomous Driving (WAD)