三维点云目标检测中注意力机制的探究
计算机视觉与模式识别
2021-10-15 v2
摘要
三维（3D）空间中的目标检测因其在机器人、自动驾驶和增强现实等人工智能驱动应用中的基础性任务地位而备受学术界与工业界关注。作为三维数据的基本格式，点云能够提供原始三维空间中物体的详细几何信息。然而，由于三维数据的稀疏性与无序性，需要专门设计的网络与模块来处理此类数据。注意力机制已在多种计算机视觉任务中取得令人印象深刻的性能；然而，注意力模块将如何影响三维点云目标检测的性能，以及何种注意力模块能够契合三维数据的内在属性，尚不清楚。本工作探究注意力机制在三维点云目标检测中的作用，并针对不同注意力模块的潜力提供见解。为此，我们在 SUN RGB-D 与 ScanNetV2 数据集上全面考察了经典 2D 注意力、新颖的 3D 注意力（包括最新的点云 Transformer）。基于详实的实验与分析，我们总结了不同注意力模块的效果。本文有望作为参考资源，惠及嵌入注意力的三维点云目标检测。代码与训练模型见：https://github.com/ShiQiu0419/attentions_in_3D_detection。
引用
@article{arxiv.2108.00620,
title = {Investigating Attention Mechanism in 3D Point Cloud Object Detection},
author = {Shi Qiu and Yunfan Wu and Saeed Anwar and Chongyi Li},
journal= {arXiv preprint arXiv:2108.00620},
year = {2021}
}
备注
International Conference on 3D Vision (3DV 2021)