GraphRelate3D：基于物体间关系图的上下文相关三维物体检测
计算机视觉与模式识别
2024-05-14 v1
摘要
精确有效的三维物体检测对于确保自动驾驶汽车的行驶安全至关重要。近来，最先进的两阶段三维物体检测器已展现出良好的性能。然而，这些方法单独细化候选区域，忽略了相邻候选区域之间物体关系中的丰富上下文信息。在本研究中，我们引入了一个物体关系模块，该模块由图生成器和图神经网络（GNN）组成，用于从特定模式中学习空间信息以改进三维物体检测。具体而言，我们通过图生成器基于一帧内的候选区域创建一个物体间关系图，将每个候选区域与其相邻候选区域连接起来。随后，GNN 模块从生成的图中提取边特征，并利用捕获到的边特征迭代地细化候选区域特征。最终，我们将细化后的特征作为检测头的输入以获得检测结果。我们的方法在 KITTI 验证集上，针对汽车类别在简单、中等和困难难度级别上，相较于基线 PV-RCNN 分别提升了 0.82%、0.74% 和 0.58%。此外，在测试服务器上，我们的方法在中等和困难级别的 BEV AP 指标上优于基线超过 1%。
引用
@article{arxiv.2405.06782,
title = {GraphRelate3D: Context-Dependent 3D Object Detection with Inter-Object Relationship Graphs},
author = {Mingyu Liu and Ekim Yurtsever and Marc Brede and Jun Meng and Walter Zimmer and Xingcheng Zhou and Bare Luka Zagar and Yuning Cui and Alois Knoll},
journal= {arXiv preprint arXiv:2405.06782},
year = {2024}
}