MonoCLUE：对象感知聚类提升单目 3D 目标检测
计算机视觉与模式识别
2025-11-12 v1
摘要
单目 3D 目标检测为自动驾驶提供了成本效益高的解决方案，但受限于深度不确定和视场受限，导致几何线索不足，以及在遮挡或截断场景中精度下降。虽然近期方法加入额外深度信息以解决几何歧义，但忽视了对稳健识别至关重要的视觉线索。我们提出 MonoCLUE，通过利用局部聚类和广义场景记忆的视觉特征，增强单目 3D 检测。首先，对视觉特征进行 K 均值聚类，以捕获不同对象级别的外观部件（例如车灯、车顶），改善部分可见对象的检测。将聚类特征在区域之间传递以捕获具有相似外观的对象。其次，我们构建广义场景记忆，通过跨图像聚合聚类特征，提供可跨场景一致的表示。增强对象级别特征的一致性，使检测在不同环境中保持稳定。最后，我们将局部聚类特征和广义场景记忆整合到对象查询中，引导注意力聚焦于信息丰富的区域。通过统一的局部聚类和广义场景记忆策略，MonoCLUE 在遮挡和受限可见性条件下实现了稳健的单目 3D 检测，在 KITTI 数据集上实现了最先进的性能。
引用
@article{arxiv.2511.07862,
title = {MonoCLUE : Object-Aware Clustering Enhances Monocular 3D Object Detection},
author = {Sunghun Yang and Minhyeok Lee and Jungho Lee and Sangyoun Lee},
journal= {arXiv preprint arXiv:2511.07862},
year = {2025}
}
备注
Accepted to AAAI 2026