FSHNet: 用于三维目标检测的完全稀疏混合网络
计算机视觉与模式识别
2025-06-05 v1
摘要
完全稀疏三维检测器因其远距离检测效率而近期受到广泛关注。然而，稀疏三维检测器仅从非空体素中提取特征，这会削弱远距离交互并导致中心特征缺失。前者削弱了特征提取能力，后者阻碍了网络优化。为解决这些挑战，我们提出了完全稀疏混合网络（FSHNet）。FSHNet引入了一种提出的SlotFormer模块，以增强现有稀疏编码器的远距离特征提取能力。SlotFormer通过槽划分方法对稀疏体素进行划分，与传统的窗口划分相比，提供了更大的感受野。此外，我们提出了一种动态稀疏标签分配策略，通过提供更多高质量正样本来深度优化网络。为进一步提升性能，我们引入了一种稀疏上采样模块来细化下采样体素，保留对检测小物体至关重要的细粒度细节。在Waymo、nuScenes和Argoverse2基准测试上的广泛实验证明了FSHNet的有效性。代码可在 https://github.com/Say2L/FSHNet 获取。
引用
@article{arxiv.2506.03714,
title = {FSHNet: Fully Sparse Hybrid Network for 3D Object Detection},
author = {Shuai Liu and Mingyue Cui and Boyang Li and Quanmin Liang and Tinghe Hong and Kai Huang and Yunxiao Shan and Kai Huang},
journal= {arXiv preprint arXiv:2506.03714},
year = {2025}
}
备注
Accepted by CVPR2025