UltimateDO：一种通过 Channel2height 将占用预测与 3D 目标检测相结合的高效框架
计算机视觉与模式识别
2024-09-18 v1
摘要
占用预测和 3D 目标检测是现代自动驾驶系统中的两个标准任务。为了在精度和耗时之间取得更好的平衡，并将其部署到一系列边缘芯片上，现有方法要么为单个任务部署独立模型，要么设计带有独立头部的多任务范式。然而，它们可能面临部署困难（例如，3D 卷积、Transformer 等）或任务协调方面的不足。相反，我们认为，为了追求在不同芯片上的易部署性和高精度且耗时少，应该设计一个有利的框架。为此，我们重新审视了 3D 目标检测与占用预测之间的交互范式，用 2D 卷积重新构建模型，并确定任务的优先级，使每个任务都能为另一个任务做出贡献。因此，我们提出了一种实现快速 3D 目标检测和占用预测的方法（UltimateDO），其中 FlashOcc 中的轻量级占用预测头与 3D 目标检测网络相结合，仅增加了 1.1ms 的可忽略不计的额外耗时，同时相互促进。我们在具有挑战性的 nuScenes 系列基准上实例化了 UltimateDO。
引用
@article{arxiv.2409.11160,
title = {UltimateDO: An Efficient Framework to Marry Occupancy Prediction with 3D Object Detection via Channel2height},
author = {Zichen Yu and Changyong Shu},
journal= {arXiv preprint arXiv:2409.11160},
year = {2024}
}