3D-MOOD：将 2D 提升至 3D 的单目开集目标检测
高能物理 - 唯象学
2026-02-26 v3 高能物理 - 实验
高能物理 - 格点
摘要
单目 3D 目标检测对机器人和 AR/VR 等应用具有重要价值。现有方法局限于封闭集设置，即训练和测试集合由相同的场景和/或目标类别组成。然而，实际应用常常引入新的环境和新颖目标类别，对这些方法构成挑战。本文针对单目 3D 目标检测的开集设置提出方法，引入首个端到端 3D 单目开集目标检测器 (3D-MOOD)。我们通过设计的 3D 边界框头将开集 2D 检测提升至 3D 空间，实现端到端的 2D 和 3D 任务联合训练以获得更佳整体性能。我们将几何先验条件约束于对象查询，并克服了跨异构场景的 3D 估计泛化问题。为进一步提升性能，我们设计了更高效的跨数据集训练的标准化图像空间。我们在封闭集设置 (Omni3D) 和开集设置 (Omni3D 到 Argoverse 2, ScanNet) 上对 3D-MOOD 进行评估，取得了新的最先进结果。代码和模型均可在 royyang0714.github.io/3D-MOOD 访问。
引用
@article{arxiv.2507.23566,
title = {Subthreshold parameters of $\pi\pi$ scattering revisited},
author = {Marián Kolesár and Jaroslav Říha},
journal= {arXiv preprint arXiv:2507.23566},
year = {2026}
}
备注
23 pages, 2 figures, published version