Real-Aug：面向三维目标检测中激光雷达增强的真实场景合成
计算机视觉与模式识别
2023-05-23 v1
摘要
数据和模型无疑是激光雷达目标检测的两大支柱。然而，相较于层出不穷的新颖模型，以数据为中心的工作已远远落后。本文系统地研究了基于合成的激光雷达数据增强方法（即所谓的 GT-Aug），该方法对生成的数据样本具有最大可控性。我们指出已有工作的首要缺陷是在 GT-Aug 过程中引入了不真实的激光雷达扫描模式。鉴于此发现，我们提出 Real-Aug，一种基于合成的增强方法，其优先生成真实的激光雷达扫描。我们的方法包含一个符合真实感的场景组合模块，用于处理组合细节，以及一种真实-合成混合训练策略，逐步将数据的分布从合成数据适配到真实数据。为验证方法有效性，我们进行了大量消融实验，并在多种检测器和数据集的广泛组合上验证了所提出的 Real-Aug。我们在 nuScenes 测试集上取得了 SOTA 的 0.744 NDS 和 0.702 mAP。代码将很快发布。
引用
@article{arxiv.2305.12853,
title = {Real-Aug: Realistic Scene Synthesis for LiDAR Augmentation in 3D Object Detection},
author = {Jinglin Zhan and Tiejun Liu and Rengang Li and Jingwei Zhang and Zhaoxiang Zhang and Yuntao Chen},
journal= {arXiv preprint arXiv:2305.12853},
year = {2023}
}