ImVoxelNet：用于单目与多视角通用三维目标检测的图像到体素投影方法
计算机视觉与模式识别
2021-10-18 v3
摘要
在本文中，我们引入多视角基于 RGB 的三维目标检测任务，将其作为一个端到端优化问题。为解决该问题，我们提出 ImVoxelNet，一种基于单目或多视角 RGB 图像的新型全卷积三维目标检测方法。每个多视角输入中的单目图像数量在训练和推理期间可以变化；实际上，该数量对于每个多视角输入可能是唯一的。ImVoxelNet 成功处理室内和室外场景，这使其具有通用性。具体而言，在接收 RGB 图像的所有方法中，它在 KITTI（单目）和 nuScenes（多视角）基准测试的车检测上取得了最先进的结果。此外，它在 SUN RGB-D 数据集上超越了现有的基于 RGB 的三维目标检测方法。在 ScanNet 上，ImVoxelNet 为的多视角三维目标检测设立了新基准。源代码和训练好的模型可在 https://github.com/saic-vul/imvoxelnet 获取。
引用
@article{arxiv.2106.01178,
title = {ImVoxelNet: Image to Voxels Projection for Monocular and Multi-View General-Purpose 3D Object Detection},
author = {Danila Rukhovich and Anna Vorontsova and Anton Konushin},
journal= {arXiv preprint arXiv:2106.01178},
year = {2021}
}