INT：基于高效框架的无限帧三维检测
计算机视觉与模式识别
2023-02-14 v2
摘要
对于连续时间流，构建多帧而非单帧的 3D 检测器是自然的。尽管增加帧数可能提升性能，先前的多帧研究仅使用了非常有限的帧数来构建系统，因为计算和内存成本急剧增加。为解决这些问题，我们提出了一种新颖的流式训练与预测框架，理论上可使用无限数量的帧，同时保持与单帧检测器相同的计算量。该无限框架（INT）可与大多数现有检测器配合使用，例如用于流行的 CenterPoint，显著降低了延迟并提升了性能。我们还在两个大规模数据集 nuScenes 和 Waymo Open Dataset 上进行了大量实验，以证明该方案的有效性和高效性。通过在 CenterPoint 上采用 INT，我们仅以 2~4ms 的延迟开销获得了约 7%（Waymo）和 15%（nuScenes）的性能提升，目前位居 Waymo 3D Detection 排行榜 SOTA。
引用
@article{arxiv.2209.15215,
title = {INT: Towards Infinite-frames 3D Detection with An Efficient Framework},
author = {Jianyun Xu and Zhenwei Miao and Da Zhang and Hongyu Pan and Kaixuan Liu and Peihan Hao and Jun Zhu and Zhengyang Sun and Hongmin Li and Xin Zhan},
journal= {arXiv preprint arXiv:2209.15215},
year = {2023}
}
备注
accepted by ECCV2022