面向大规模点云目标检测的Transformer模型
计算机视觉与模式识别
2022-10-03 v1 机器学习
摘要
我们提出 TransLPC，一种基于 transformer 架构的新型大规模点云检测模型。尽管基于 transformer 的目标检测一直是一个活跃的研究领域，但已证明此类模型难以应用于跨越较大区域的点云，例如自动驾驶中常见的激光雷达或雷达数据。TransLPC 能够弥补这些问题：transformer 模型的结构被修改以允许更大的输入序列长度，足以处理大规模点云。此外，我们提出一种新颖的查询精炼技术以提高检测精度，同时保持内存友好的 transformer 解码器查询数量。查询在各层之间被重新定位，以高效方式使其更靠近所估计的边界框。这一简单技术对检测精度有显著提升，并在具有挑战性的真实世界激光雷达数据 nuScenes 数据集上进行了评估。此外，所提方法与需要目标检测的现有基于 transformer 的解决方案兼容，例如用于联合多目标跟踪与检测，并使其能够与大规模点云结合使用。
引用
@article{arxiv.2209.15258,
title = {Transformers for Object Detection in Large Point Clouds},
author = {Felicia Ruppel and Florian Faion and Claudius Gläser and Klaus Dietmayer},
journal= {arXiv preprint arXiv:2209.15258},
year = {2022}
}
备注
Accepted for publication at the 2022 25th IEEE International Conference on Intelligent Transportation Systems (ITSC 2022), Sep 18- Oct 12, 2022, in Macau, China