PVTransformer：用于可扩展 3D 对象检测的点到体 Transformer
计算机视觉与模式识别
2024-05-07 v1
摘要
3D 对象检测器通常依赖基于池化的 PointNet 将稀疏点编码为类网格的体素或柱形结构。本文指出，常见的 PointNet 设计引入了信息瓶颈，限制了 3D 对象检测的准确率和可扩展性。为解决这一限制，我们提出了 PVTransformer：一种基于 Transformer 的点到体架构用于 3D 检测。我们的关键思想是将 PointNet 池化操作替换为注意力模块，从而实现更好的点到体聚合函数。我们的设计尊重稀疏 3D 点的排列不变性，同时比基于池化的 PointNet 更具表达性。实验结果表明，我们的 PVTransformer 在各种 3D 对象检测器中取得了更好的性能。在广泛使用的 Waymo Open Dataset 上，我们的 PVTransformer 实现了 76.5 mAPH L2 的 state-of-the-art 性能，超越了 SWFormer 系列方法提升了 +1.7 mAPH L2。
引用
@article{arxiv.2405.02811,
title = {PVTransformer: Point-to-Voxel Transformer for Scalable 3D Object Detection},
author = {Zhaoqi Leng and Pei Sun and Tong He and Dragomir Anguelov and Mingxing Tan},
journal= {arXiv preprint arXiv:2405.02811},
year = {2024}
}