利用 Transformer 解码器进行汽车雷达目标检测
计算机视觉与模式识别
2026-01-21 v1 信号处理
摘要
在本文中，我们提出了一种基于 Transformer 的 3D 雷达目标检测架构，该架构使用一种新颖的 Transformer 解码器作为预测头，直接从雷达特征表示中回归 3D 边界框和类别分数。为了连接多尺度雷达特征与解码器，我们提出了金字塔 Token 融合（PTF），这是一个轻量级模块，可将特征金字塔转换为统一的、尺度感知的 Token 序列。通过将检测表述为具有可学习目标查询和位置编码的集合预测问题，我们的设计对长程时空相关性和跨特征交互进行了建模。该方法消除了密集提议生成和启发式后处理，例如广泛的非极大值抑制（NMS）调优。我们在 RADDet 上评估了所提出的框架，与最先进的纯雷达基线相比，它取得了显著的改进。
引用
@article{arxiv.2601.13386,
title = {Leveraging Transformer Decoder for Automotive Radar Object Detection},
author = {Changxu Zhang and Zhaoze Wang and Tai Fei and Christopher Grimm and Yi Jin and Claas Tebruegge and Ernst Warsitz and Markus Gardill},
journal= {arXiv preprint arXiv:2601.13386},
year = {2026}
}