MoCA3D：图像平面上的单目3D边界框预测
计算机视觉与模式识别
2026-05-19 v2
摘要
单目3D目标理解主要被建模为2D RoI到3D盒子的提升问题。然而，新兴的下游应用需要图像平面几何(如投影3D盒子角点)，而在缺乏内参的情况下无法轻松获得这一问题对于野外目标检测构成挑战。我们引入MoCA3D，一种单目、类别无关的3D模型，可在不依赖推理时内参的情况下预测投影3D边界框角点和每个角点的深度。MoCA3D将像素空间局化和深度分配建模为通过角点热图和深度图的稠密预测。为评估图像平面几何忠诚度，我们提出了像素对齐几何(PAG)，直接测量图像平面角点和深度的一致性。广泛的实验表明，MoCA3D实现了最先进的性能，在图像平面角点PAG上提升22.8%，同时在3D IoU上保持相当水平，使用的可训练参数最多可减少57倍。最后，我们将MoCA3D应用于以前在未知内参下难以实现的下游任务，凸显了其超越标准基线模型的实用性。
引用
@article{arxiv.2603.19538,
title = {MoCA3D: Monocular 3D Bounding Box Prediction in the Image Plane},
author = {Changwoo Jeon and Rishi Upadhyay and Achuta Kadambi},
journal= {arXiv preprint arXiv:2603.19538},
year = {2026}
}
备注
27 pages, 9 figures, including supplementary material