QE-BEV：面向多变场景的鸟瞰图目标检测中的查询演化
计算机视觉与模式识别
2024-07-26 v3
摘要
3D 目标检测在自动驾驶与机器人领域起着关键作用，需要对鸟瞰图（BEV）图像进行精确解读。真实世界环境的动态特性要求在 3D 目标检测中使用动态查询机制，以自适应地捕捉和处理这些场景中复杂的时空关系。然而，先前的动态查询实现往往难以有效利用这些关系，尤其是在以计算高效的方式整合时间信息方面。针对这一局限，我们引入了一种利用动态查询演化策略的框架，借助 K-means 聚类与 Top-K 注意力机制实现精细的时空数据处理。通过动态分割 BEV 空间并经由 Top-K 注意力优先处理关键特征，我们的模型实现了对相关场景元素的实时、聚焦分析。我们在 nuScenes 和 Waymo 数据集上的广泛评估展示了检测精度的显著提升，在基于查询的 BEV 目标检测领域树立了新的基准。我们的动态查询演化策略有望以更强的适应性和计算效率推动当前 BEV 方法的边界。项目页面：https://github.com/Jiawei-Yao0812/QE-BEV
引用
@article{arxiv.2310.05989,
title = {QE-BEV: Query Evolution for Bird's Eye View Object Detection in Varied Contexts},
author = {Jiawei Yao and Yingxin Lai and Hongrui Kou and Tong Wu and Ruixi Liu},
journal= {arXiv preprint arXiv:2310.05989},
year = {2024}
}
备注
Accepted by ACM MM 2024, project page: https://github.com/Jiawei-Yao0812/QE-BEV