细节在于任务：利用互易外观-定位特征进行单目 3D 目标检测
计算机视觉与模式识别
2021-12-30 v1
摘要
低成本的单目 3D 目标检测在自动驾驶中起着基础性作用，但其精度仍远不能令人满意。在本文中，我们深入剖析 3D 目标检测任务，并将其重新表述为物体定位与外观感知两个子任务，这有助于深度挖掘整个任务底层所蕴含的互易信息。我们引入了名为 DFR-Net 的动态特征互映网络，其包含两个新颖的独立模块：（i）外观-定位特征互映模块（ALFR），该模块先分离任务特定特征，再对互易特征进行自相互映；（ii）动态内交易模块（DIT），该模块通过自学习方式自适应地重新对齐各子任务的训练过程。在具有挑战性的 KITTI 数据集上的大量实验证明了 DFR-Net 的有效性与泛化性。我们在所有单目 3D 目标检测器中排名 KITTI 测试集第一（截至 2021 年 3 月 16 日）。所提方法也易于以可忽略的成本即插即用于许多前沿 3D 检测框架中以提升性能。代码将公开可用。
引用
@article{arxiv.2112.14023,
title = {The Devil is in the Task: Exploiting Reciprocal Appearance-Localization Features for Monocular 3D Object Detection},
author = {Zhikang Zou and Xiaoqing Ye and Liang Du and Xianhui Cheng and Xiao Tan and Li Zhang and Jianfeng Feng and Xiangyang Xue and Errui Ding},
journal= {arXiv preprint arXiv:2112.14023},
year = {2021}
}
备注
Accepted to ICCV 2021