ImpDet：探索隐式场用于三维目标检测
计算机视觉与模式识别
2022-04-01 v1
摘要
传统的三维目标检测方法集中于具有若干参数（即定位、尺寸和方向）的边界框表示学习。尽管其流行且通用，这种直接的范式对轻微的数值偏差敏感，尤其在定位方面。通过利用点云自然捕获于物体表面并带有精确位置与强度信息这一特性，我们引入一种新视角，将边界框回归视为隐式函数。这引出了我们提出的框架，称为隐式检测（Implicit Detection）或ImpDet，其利用隐式场学习进行三维目标检测。我们的ImpDet为不同局部三维空间中的点分配特定值，从而可通过分类边界内外的点来生成高质量边界。为解决物体表面稀疏性问题，我们进一步提出一种简单而高效的虚拟采样策略，不仅填补空白区域，还学习丰富的语义特征以帮助细化边界。在KITTI和Waymo基准上的大量实验结果证明了将隐式场统一用于目标检测的有效性与鲁棒性。
引用
@article{arxiv.2203.17240,
title = {ImpDet: Exploring Implicit Fields for 3D Object Detection},
author = {Xuelin Qian and Li Wang and Yi Zhu and Li Zhang and Yanwei Fu and Xiangyang Xue},
journal= {arXiv preprint arXiv:2203.17240},
year = {2022}
}
备注
11 pages, 4 figures