Mono3DV：基于3D感知的二分匹配与变分查询去噪的单目3D目标检测
计算机视觉与模式识别
2026-01-06 v1
摘要
尽管DETR类架构在单目3D目标检测中展现出显著潜力，但常受到关键限制：3D属性未被纳入二分匹配过程中。这一局限源于单目图像3D估计固有的不可逆性，导致训练期间的不稳定性。因此，高质量的3D预测可能被纯2D匹配标准误导，从而导致亚最优结果。为此，我们提出Mono3DV，一种新型基于Transformer的框架。我们的方法引入了三个关键创新。首先，我们开发了3D感知二分匹配策略，直接将3D几何信息纳入匹配成本中，解决由纯2D标准导致的误差。其次，稳定二分匹配以解决整合3D属性时的不稳定性。因此，我们提出了训练阶段的3D去噪方案。最后，鉴于常规去噪技术与梯度消失相关，我们提出了一种新型变分查询去噪机制来克服这一限制，显著提升了模型性能。我们的方法在不依赖任何外部数据的情况下，在KITTI 3D目标检测基准上实现了最先进的成绩。
引用
@article{arxiv.2601.01036,
title = {Mono3DV: Monocular 3D Object Detection with 3D-Aware Bipartite Matching and Variational Query DeNoising},
author = {Kiet Dang Vu and Trung Thai Tran and Kien Nguyen Do Trung and Duc Dung Nguyen},
journal= {arXiv preprint arXiv:2601.01036},
year = {2026}
}