EA-LSS：面向三维BEV目标检测的边感知Lift-splat-shot框架
计算机视觉与模式识别
2023-08-31 v4
摘要
近年来，基于Lift-Splat-Shot（LSS）的三维目标检测方法取得了巨大进展。然而，不准确的深度估计仍是仅相机与多模态三维目标检测模型精度的重要制约因素，尤其在深度变化显著的区域（即“深度跳变”问题）。本文提出一种新颖的边感知Lift-splat-shot（EA-LSS）框架。具体而言，提出边感知深度融合（EADF）模块以缓解“深度跳变”问题，并提出细粒度深度（FGD）模块以进一步对深度施加精细化监督。我们的EA-LSS框架兼容任意基于LSS的三维目标检测模型，并以可忽略的推理时间增长有效提升其性能。在nuScenes基准上的实验表明，EA-LSS在仅相机或多模态模型中均有效。值得一提的是，EA-LSS在nuScenes测试基准上以mAP和NDS分别为76.5%和77.6%取得了最先进（SOTA）性能。
引用
@article{arxiv.2303.17895,
title = {EA-LSS: Edge-aware Lift-splat-shot Framework for 3D BEV Object Detection},
author = {Haotian Hu and Fanyi Wang and Jingwen Su and Yaonong Wang and Laifeng Hu and Weiye Fang and Jingwei Xu and Zhiwang Zhang},
journal= {arXiv preprint arXiv:2303.17895},
year = {2023}
}