HyperDet3D：学习场景条件化的三维目标检测器
计算机视觉与模式识别
2022-04-13 v1
摘要
图书馆里的浴缸、办公室里的水槽、洗衣房里的床——这种反直觉现象表明场景为三维目标检测提供了重要的先验知识，有助于消除相似物体的歧义检测。本文中，我们提出 HyperDet3D 以探索用于三维目标检测的场景条件化先验知识。现有方法力求更好地表征局部元素及其关系，却缺乏场景条件化知识，仅基于单个点与候选物体的理解可能引发歧义。相反，HyperDet3D 通过场景条件化超网络同时学习场景无关嵌入与场景特定知识。更具体地，我们的 HyperDet3D 不仅从各类三维场景中挖掘可共享的抽象特征，还在测试时使检测器适配给定场景。我们提出一种判别性多头场景特定注意力（MSA）模块，基于场景条件化知识的融合动态控制检测器的层参数。我们的 HyperDet3D 在 ScanNet 与 SUN RGB-D 数据集的三维目标检测基准上取得了最先进（SOTA）结果。此外，通过跨数据集评估，我们表明所获场景条件化先验知识在面对存在域差距的三维场景时依然有效。
引用
@article{arxiv.2204.05599,
title = {HyperDet3D: Learning a Scene-conditioned 3D Object Detector},
author = {Yu Zheng and Yueqi Duan and Jiwen Lu and Jie Zhou and Qi Tian},
journal= {arXiv preprint arXiv:2204.05599},
year = {2022}
}
备注
to be published on CVPR2022