PillarNeXt：重新思考LiDAR点云中3D目标检测的网络设计
计算机视觉与模式识别
2023-05-09 v1
摘要
为处理稀疏且非结构化的原始点云，基于LiDAR的3D目标检测研究多聚焦于设计专用的局部点聚合器以实现细粒度几何建模。本文从计算资源分配的角度重新审视局部点聚合器。我们发现，最简单的基于pillar的模型在准确率和延迟上均表现惊人地好。此外，我们展示了来自2D目标检测成功的微小适配（如扩大感受野）可显著提升性能。大量实验表明，我们的基于pillar的网络在架构和训练上采用现代化设计，在Waymo Open Dataset和nuScenes两个流行基准上取得了最先进的性能。我们的结果挑战了细粒度几何建模对3D目标检测高性能至关重要的常见直觉。
引用
@article{arxiv.2305.04925,
title = {PillarNeXt: Rethinking Network Designs for 3D Object Detection in LiDAR Point Clouds},
author = {Jinyu Li and Chenxu Luo and Xiaodong Yang},
journal= {arXiv preprint arXiv:2305.04925},
year = {2023}
}
备注
CVPR 2023