REXO：基于3D边界框扩散的室内多视角雷达目标检测
计算机视觉与模式识别
2026-01-13 v2 人工智能
机器学习
信号处理
摘要
多视角室内雷达感知因其成本效益和低隐私风险而受到关注。现有方法常依赖隐式的跨视角雷达特征关联，如RFMask中的提案配对或RETR中的查询到特征的跨注意力，可能导致特征匹配模糊且在复杂室内场景中检测性能下降。为此，我们提出REXO（多视角雷达目标检测，3D边界框扩散），将DiffusionDet的2D边界框扩散过程提升至3D雷达空间。REXO利用这些噪声3D边界框引导显式的跨视角雷达特征关联，增强跨视角雷达条件的去噪过程。基于人体与地面接触的先验知识，REXO通过确定性地从该先验中确定扩散参数，大幅减少扩散参数数量。在两个开放室内雷达数据集上进行评估，本方法在HIBER数据集上超越最新方法+4.22 AP，在MMVR数据集上提升+11.02 AP。REXO实现代码已提供于https://github.com/merlresearch/radar-bbox-diffusion。
引用
@article{arxiv.2511.17806,
title = {REXO: Indoor Multi-View Radar Object Detection via 3D Bounding Box Diffusion},
author = {Ryoma Yataka and Pu Perry Wang and Petros Boufounos and Ryuhei Takahashi},
journal= {arXiv preprint arXiv:2511.17806},
year = {2026}
}
备注
26 pages; Accepted to AAAI 2026; Code available at https://github.com/merlresearch/radar-bbox-diffusion