RETR：面向室内感知的多视角雷达检测变换器
计算机视觉与模式识别
2025-01-22 v3 人工智能
机器学习
微分几何
摘要
受益于新兴汽车成像雷达发展带来的低成本，以及隐私担忧减少和在危险条件（如火灾和烟雾）下的可靠性，室内雷达感知受到越来越多关注。然而，现有雷达感知流水线未能考虑多视角雷达设置的独特特性。本文提出雷达检测变换器 (RETR)，作为流行 DETR 架构的扩展，专为多视角雷达感知量身定制。RETR 继承了 DETR 的优势，消除了图像平面上目标检测和分割对手工组件的需求。更为重要的是，RETR 融入了精心设计的修改，例如 1) 通过可调位置编码 (TPE) 实现深度优先的特征相似度；2) 来自雷达和相机坐标的三平面损失；3) 通过重参数化实现的可学习雷达到相机变换，以适应独特的多视角雷达设置。在两个室内雷达感知数据集上评估，我们的方法在目标检测和实例分割上分别以 15.38+ AP 和 11.91+ IoU 的优势超越现有最先进方法。我们的实现可在 https://github.com/merlresearch/radar-detection-transformer 获取。
引用
@article{arxiv.2411.10293,
title = {RETR: Multi-View Radar Detection Transformer for Indoor Perception},
author = {Ryoma Yataka and Adriano Cardace and Pu Perry Wang and Petros Boufounos and Ryuhei Takahashi},
journal= {arXiv preprint arXiv:2411.10293},
year = {2025}
}
备注
24 pages, Accepted to NeurIPS 2024, Github Link: https://github.com/merlresearch/radar-detection-transformer