用于 LiDAR 3D 目标检测的双曲余弦 Transformer
计算机视觉与模式识别
2022-11-11 v1
摘要
近年来，Transformer 在计算机视觉领域取得了巨大成功。然而，在 3D 目标检测应用中，由于空间和时间复杂度随点数呈二次增长，其受到了限制。以往的逐点方法在捕获点间信息时存在耗时和感受野有限的问题。本文提出了一种用于 LiDAR 点云 3D 目标检测的两阶段双曲余弦 Transformer (ChTR3D)。所提出的 ChTR3D 通过以线性计算复杂度应用 cosh-attention 来细化候选框，从而编码点间丰富的上下文关系。cosh-attention 模块降低了注意力操作的空间和时间复杂度。传统的 softmax 操作被非负 ReLU 激活和基于双曲余弦的算子及重加权机制所取代。在广泛使用的 KITTI 数据集上的大量实验表明，与原始注意力相比，cosh-attention 在保持竞争力的性能下显著提升了推理速度。实验结果表明，在使用点级特征的两阶段 SOTA 方法中，所提出的 ChTR3D 是最快的一种。
引用
@article{arxiv.2211.05580,
title = {Hyperbolic Cosine Transformer for LiDAR 3D Object Detection},
author = {Jigang Tong and Fanhang Yang and Sen Yang and Enzeng Dong and Shengzhi Du and Xing Wang and Xianlin Yi},
journal= {arXiv preprint arXiv:2211.05580},
year = {2022}
}
备注
8 pages, 5 figures and 3 tables. This paper possibly publicated on the IEEE Robotics and Automation Letters