LidarAugment：面向可扩展3D激光雷达数据增强的搜索
计算机视觉与模式识别
2022-10-26 v1
摘要
数据增强在训练用于点云的高性能3D目标检测器中十分重要。尽管近期在设计新数据增强上已有努力，或许令人惊讶的是，多数最先进的3D检测器仅使用少数简单数据增强。特别地，不同于2D图像数据增强，3D数据增强需要考虑输入数据的不同表示，并需为不同模型定制，这引入了显著开销。本文中，我们诉诸基于搜索的方法，提出LidarAugment，一种实用且有效的用于3D目标检测的数据增强策略。与以往在指数级大搜索空间中调谐所有增强策略的方法不同，我们提出对每种数据增强的搜索空间进行因式分解与对齐，将20余个超参数削减至2个，并显著降低搜索复杂度。我们展示LidarAugment可通过简单的2D网格搜索为具有不同输入表示的不同模型架构定制，并一致地改进基于卷积的UPillars/StarNet/RSN与基于transformer的SWFormer。此外，LidarAugment缓解过拟合，并使我们能将3D检测器扩展至大得多的容量。特别地，通过与最新3D检测器结合，我们的LidarAugment在Waymo Open Dataset上取得了74.8 mAPH L2的新最先进水平。
引用
@article{arxiv.2210.13488,
title = {LidarAugment: Searching for Scalable 3D LiDAR Data Augmentations},
author = {Zhaoqi Leng and Guowang Li and Chenxi Liu and Ekin Dogus Cubuk and Pei Sun and Tong He and Dragomir Anguelov and Mingxing Tan},
journal= {arXiv preprint arXiv:2210.13488},
year = {2022}
}