SEED：一种简单有效的3D DETR点云检测方法
计算机视觉与模式识别
2024-07-16 v1
摘要
最近，检测变换器（DETR）在2D检测中凭借其优雅框架逐渐占据主导地位。然而，针对3D点云的DETR-based检测器仍难以实现令人满意的性能。我们认为主要挑战有两个：1）如何获取合适的物体查询困难，由于点云的高度稀疏和不均匀分布；2）如何充分利用点云的丰富几何结构实现有效的查询交互尚未充分探索。为此，我们提出一种简单有效的3D DETR方法（SEED），用于从点云中检测3D物体，涉及双查询选择（DQS）模块和可变形网格注意力（DGA）模块。更具体地，为获取合适的查询，DQS首先通过预测置信度得分确保高召回率，以保留大量查询，然后进一步根据估计的质量得分挑选高质量查询。DGA将每个参考框均匀划分为网格作为参考点，然后利用预测偏移实现灵活的感受野，使网络能够关注相关区域并捕获更多信息。对DQS和DGA的大量消融实验表明其有效性。此外，我们的SEED在大规模Waymo和nuScenes数据集上实现了最先进的检测性能，彰显了我们所提出方法的优越性。代码已公开于https://github.com/happinesslz/SEED。
引用
@article{arxiv.2407.10749,
title = {SEED: A Simple and Effective 3D DETR in Point Clouds},
author = {Zhe Liu and Jinghua Hou and Xiaoqing Ye and Tong Wang and Jingdong Wang and Xiang Bai},
journal= {arXiv preprint arXiv:2407.10749},
year = {2024}
}
备注
Accepted by ECCV 2024