Object DGCNN：使用动态图的 3D 目标检测

3D 目标检测通常涉及复杂的训练和测试流程，需要对各个数据集的大量领域知识。受近期无抑制非极大值抑制的 2D 目标检测模型的启发，我们提出了一种基于点云的 3D 目标检测架构。我们的方法将 3D 目标检测建模为动态图上的消息传递，推广了 DGCNN 框架以预测一组目标。在我们的构建中，我们通过目标置信度聚合或非极大值抑制消除了后处理的必要性。为促进从稀疏点云进行目标检测，我们还提出了一种针对 3D 检测定制的集合到集合蒸馏方法。该方法以置换不变的方式对齐教师模型和学生模型的输出，显著简化了 3D 检测任务的知识蒸馏。我们的方法在自动驾驶基准上取得了最先进的性能。我们还提供了对检测模型和蒸馏框架的丰富分析。