SparseDet：面向端到端三维目标检测
计算机视觉与模式识别
2022-06-03 v1 人工智能
摘要
本文中，我们提出SparseDet用于从点云进行端到端三维目标检测。现有的三维目标检测工作依赖于在3D或2D网格中所有位置上密集的物体候选，遵循二维图像目标检测的主流方法。然而，这种密集范式需要数据方面的专业知识来弥补标签与检测之间的差距。作为一种新检测范式，SparseDet维持一组固定的可学习提议来表示潜在候选，并通过堆叠的transformers直接对三维物体进行分类与定位。它表明，有效的三维目标检测可以在无任何后处理（如冗余去除和非极大值抑制）的情况下实现。通过恰当设计的网络，SparseDet在以34.5 FPS更高效速度运行的同时取得了极具竞争力的检测精度。我们相信SparseDet的端到端范式将启发关于三维目标检测稀疏性的新思考。
引用
@article{arxiv.2206.00960,
title = {SparseDet: Towards End-to-End 3D Object Detection},
author = {Jianhong Han and Zhaoyi Wan and Zhe Liu and Jie Feng and Bingfeng Zhou},
journal= {arXiv preprint arXiv:2206.00960},
year = {2022}
}