基于表面偏置的多层级上下文三维目标检测
计算机视觉与模式识别
2023-02-14 v1 多媒体
摘要
三维点云中的目标检测是包括机器人、自动驾驶汽车和增强现实在内的一系列计算机视觉应用中的关键任务。本工作利用一种高效、表面偏置的特征提取方法（wang2022rbgnet）解决三维点云中的目标检测任务，该方法还能在多层级上捕获上下文线索。我们提出了一种三维目标检测器，可提取目标候选的精确特征表示，并在三维场景中的点块、目标候选和全局场景上利用自注意力。自注意力已被（xie2020mlcvnet）证明能有效编码三维点云中的关联信息。而其他三维检测器侧重于通过选择性获取更有意义的局部特征（wang2022rbgnet）来增强点云特征提取，却忽略了上下文信息。为此，所提出的架构使用基于射线的表面偏置特征提取和多层级上下文编码，以超越最先进（SOTA）的三维目标检测器。本工作中，在 ScanNet 数据集的场景上进行了三维检测实验，并逐一引入自注意力模块以隔离各层级自注意力的效果。
引用
@article{arxiv.2302.06291,
title = {Surface-biased Multi-Level Context 3D Object Detection},
author = {Sultan Abu Ghazal and Jean Lahoud and Rao Anwer},
journal= {arXiv preprint arXiv:2302.06291},
year = {2023}
}