立体神经游标卡尺
计算机视觉与模式识别
2022-03-29 v2 机器人学
摘要
我们提出一种用于基于学习的立体 3D 目标检测的新型以对象为中心的框架。以往研究构建以场景为中心的表示，未考虑室外实例间的显著差异，因而缺乏实例级模型所能提供的灵活性与功能性。我们通过形式化并解决一个局部更新问题（即如何给定初始 3D 长方体猜测预测精细更新）来构建此类实例级模型。我们展示了解决该问题如何补充以场景为中心的方法于：（i）构建由粗到细的多分辨率系统，（ii）执行与模型无关的目標位置精炼，以及（iii）进行立体 3D 检测跟踪（tracking-by-detection）。大量实验证明了我们方法的有效性，其在 KITTI 基准上取得了最先进（state-of-the-art）性能。代码与预训练模型见 https://github.com/Nicholasli1995/SNVC。
引用
@article{arxiv.2203.11018,
title = {Stereo Neural Vernier Caliper},
author = {Shichao Li and Zechun Liu and Zhiqiang Shen and Kwang-Ting Cheng},
journal= {arXiv preprint arXiv:2203.11018},
year = {2022}
}
备注
AAAI 2022 camera-ready version