GACE：面向 LiDAR 数据黑盒 3D 目标检测器的几何感知置信度增强
计算机视觉与模式识别
2023-11-01 v1 机器学习
摘要
广泛使用的基于 LiDAR 的 3D 目标检测器在其置信度估计中常忽略目标候选框中易得的基元几何信息。这主要源于架构设计选择，这些选择多从 2D 图像域沿用而来，而该域中几何上下文极少可用。然而在 3D 中，以整体方式考量目标属性及其周边环境对于区分真假阳性检测（例如群体中遮挡的行人）十分重要。为此，我们提出 GACE，一种直观且高效的用于改进给定黑盒 3D 目标检测器置信度估计的方法。我们聚合检测结果的几何线索及其空间关系，从而能够恰当评估其合理性并进而改进置信度估计。这在多种最先进检测器上带来了稳定的性能提升。在所有受评估的检测器中，GACE 对弱势道路使用者类别即行人与骑行者尤为有益。
引用
@article{arxiv.2310.20319,
title = {GACE: Geometry Aware Confidence Enhancement for Black-Box 3D Object Detectors on LiDAR-Data},
author = {David Schinagl and Georg Krispel and Christian Fruhwirth-Reisinger and Horst Possegger and Horst Bischof},
journal= {arXiv preprint arXiv:2310.20319},
year = {2023}
}
备注
ICCV 2023, code is available at https://github.com/dschinagl/gace