旋转至关重要：面向多种相机系统的通用单目3D目标检测
计算机视觉与模式识别
2023-10-10 v1
摘要
单目3D目标检测研究正被积极展开，其性能也因此稳步提升。然而，当应用于与捕获训练数据集所用系统不同的相机系统时，3D目标检测性能显著下降。例如，在乘用车数据集上训练的3D检测器大多无法回归安装在公交车上的相机所拍目标的准确3D边界框。本文中，我们进行了大量实验以分析导致性能退化的因素。我们发现，改变相机相对于路平面的位姿（尤其是相机朝向）导致了性能退化。此外，我们提出了一种可普遍应用于各种相机系统的通用3D目标检测方法。我们新设计了一个补偿模块，用于修正估计的3D边界框位置与朝向。所提模块可应用于大多数近期3D目标检测网络，无需额外训练即可将AP3D分数（KITTI moderate，IoU ）较基线提升约6至10倍。定量与定性结果均显示了所提方法的有效性。
引用
@article{arxiv.2310.05366,
title = {Rotation Matters: Generalized Monocular 3D Object Detection for Various Camera Systems},
author = {SungHo Moon and JinWoo Bae and SungHoon Im},
journal= {arXiv preprint arXiv:2310.05366},
year = {2023}
}
备注
Accepted to CVPRw 2023