室内3D目标检测中的域间隙问题探讨
计算机视觉与模式识别
2025-09-03 v2
摘要
作为室内场景理解的基础任务，3D目标检测已得到广泛研究，准确率在室内点云数据上显著提升。然而，现有研究多在受限数据集上进行，训练与测试集共享相同分布。本文考虑从一个数据集适应另一个数据集的室内3D目标检测任务，构建全面基准测试，包含ScanNet、SUN RGB-D与3D Front数据集，以及我们新提出的由3D仿真器生成的大规模数据集ProcTHOR-OD与ProcFront。由于室内点云数据以不同方式收集与构建，目标检测器可能过拟合到特定数据集中的特定因素，如点云质量、边界框布局与实例特征。我们在不同适应场景下（包括合成到真实的适应、点云质量适应、布局适应与实例特征适应）跨数据集进行实验，分析不同域间隙对3D目标检测器的影响。我们还引入若干方法提升适应性能，为室内3D目标检测的域适应提供基准，期望未来工作可提出具备更强跨域泛化能力的检测器。项目主页见https://jeremyzhao1998.github.io/DAVoteNet-release/。
引用
@article{arxiv.2508.17439,
title = {Investigating Domain Gaps for Indoor 3D Object Detection},
author = {Zijing Zhao and Zhu Xu and Qingchao Chen and Yuxin Peng and Yang Liu},
journal= {arXiv preprint arXiv:2508.17439},
year = {2025}
}
备注
Accepted to ACM MM 2025