SWFormer：用于点云三维目标检测的稀疏窗口 Transformer
计算机视觉与模式识别
2022-10-17 v1
摘要
点云中的三维目标检测是现代机器人与自动驾驶系统的核心组件。三维目标检测的一个关键挑战来自三维场景中点占据固有的稀疏性。本文中，我们提出稀疏窗口 Transformer（SWFormer），一种可扩展且精确的三维目标检测模型，其可充分利用点云的稀疏性。基于窗口化 Transformer 的思想，SWFormer 将三维点转换为稀疏体素与窗口，随后使用分桶方案高效处理这些变长稀疏窗口。除各空间窗口内的自注意力外，我们的 SWFormer 还通过多尺度特征融合与窗口平移操作捕获跨窗口关联。为进一步解决从稀疏特征精确检测三维物体的独特挑战，我们提出一种新的体素扩散技术。在 Waymo Open Dataset 上的实验结果表明，我们的 SWFormer 在官方测试集上实现了车辆与行人的最先进 73.36 L2 mAPH 三维目标检测性能，优于所有先前的单阶段与两阶段模型，同时效率更高。
引用
@article{arxiv.2210.07372,
title = {SWFormer: Sparse Window Transformer for 3D Object Detection in Point Clouds},
author = {Pei Sun and Mingxing Tan and Weiyue Wang and Chenxi Liu and Fei Xia and Zhaoqi Leng and Dragomir Anguelov},
journal= {arXiv preprint arXiv:2210.07372},
year = {2022}
}