旋转等变的三维目标检测
计算机视觉与模式识别
2022-07-12 v2
摘要
旋转等变性近来已成为 3D 深度学习界强烈期望的性质。然而，现有多数方法关注全局输入旋转下的等变性，却忽略了旋转对称具有其自身空间支撑这一事实。具体地，我们考虑 3D 场景中的目标检测问题，其中目标包围盒应关于目标位姿等变，且与场景运动无关。这提示了一种我们称之为目标级旋转等变性的新期望性质。为将目标级旋转等变性引入 3D 目标检测器，我们需要一种机制来提取具有局部目标级空间支撑的等变特征，同时能够建模跨目标上下文信息。为此，我们提出等变目标检测网络（EON），其采用旋转等变性挂起设计以实现目标级等变性。EON 可应用于现代点云目标检测器，如 VoteNet 和 PointRCNN，使它们能在场景尺度输入中利用目标旋转对称性。我们在室内场景和自动驾驶数据集上的实验表明，将我们的 EON 设计插入现有最先进 3D 目标检测器可取得显著提升。
引用
@article{arxiv.2204.13630,
title = {Rotationally Equivariant 3D Object Detection},
author = {Hong-Xing Yu and Jiajun Wu and Li Yi},
journal= {arXiv preprint arXiv:2204.13630},
year = {2022}
}
备注
CVPR 2022, project website: https://kovenyu.com/eon/