小巧、多能且强大：一种距离视图感知框架
计算机视觉与模式识别
2024-03-04 v1
摘要
尽管LiDAR数据的距离视图表示具有紧凑性和信息完整性，但它很少成为3D感知任务的首选。在这项工作中，我们通过一种新颖的多任务框架进一步推动了距离视图表示的极限，实现了前所未有的3D检测性能。我们提出的Small, Versatile, and Mighty (SVM)网络利用纯卷积架构，充分释放了距离视图表示的效率和多任务潜力。为了提升检测性能，我们首先提出了一种针对距离视图的Perspective Centric Label Assignment (PCLA)策略，以及一个新颖的View Adaptive Regression (VAR)模块，用于进一步细化难以预测的框属性。此外，我们的框架无缝集成了LiDAR点云的语义分割和全景分割任务，无需额外模块。在基于距离视图的方法中，我们的模型在Waymo Open Dataset上取得了新的最先进检测性能。特别是在车辆类别上，相比卷积对应方法获得了超过10 mAP的提升。我们呈现的其他任务结果进一步揭示了所提出的小巧但强大框架的多任务能力。
引用
@article{arxiv.2403.00325,
title = {Small, Versatile and Mighty: A Range-View Perception Framework},
author = {Qiang Meng and Xiao Wang and JiaBao Wang and Liujiang Yan and Ke Wang},
journal= {arXiv preprint arXiv:2403.00325},
year = {2024}
}