单目三维目标检测的泛化

单目三维目标检测（Mono3D）是一项基础的计算机视觉任务，旨在从单张图像中估计目标的类别、三维位置、尺寸和朝向。其应用，包括自动驾驶、增强现实和机器人技术，关键性地依赖于准确的三维环境理解。本论文探讨了将 Mono3D 模型泛化到多样化场景的挑战，包括遮挡、数据集、目标尺寸和相机参数。为增强遮挡鲁棒性，我们提出了一种数学上可微的 NMS（GrooMeD-NMS）。为改善对新数据集的泛化，我们探索了深度等变（DEVIANT）骨干网络。我们解决大目标检测问题，证明其不仅是一个数据不平衡或感受野问题，还是一个噪声敏感性问题。为缓解此问题，我们在鸟瞰图中引入了一种基于分割的方法并结合 Dice 损失（SeaBird）。最后，我们从数学上分析了 Mono3D 模型向未见相机高度的外推，并在这些分布外设置中改善了 Mono3D 的泛化能力。