Uni$^2$Det：用于多数据集 3D 检测的统一通用提示框架
计算机视觉与模式识别
2024-10-01 v1
摘要
我们提出了 UniDet，一个全新的统一通用多数据集训练框架，用于 3D 检测，能够在不同领域实现鲁棒性能，并泛化到未见过的领域。由于不同领域间数据分布和类别体系的显著差异，简单合并数据集来训练这样的检测器是一项重大挑战。基于此观察，我们引入了多阶段提示模块用于多数据集 3D 检测，该模块利用基于相应数据集特征的提示来缓解现有差异。这种优雅的设计使其能够以统一的方式无缝地即插即用到各种先进的 3D 检测框架中，同时也允许直接适配以跨数据集通用。我们在涉及 KITTI、Waymo 和 nuScenes 的多个数据集合并场景中进行了实验，结果表明我们的 UniDet 在多数据集训练中大幅优于现有方法。具体来说，跨数据集零样本迁移的结果验证了我们所提出方法的泛化能力。
引用
@article{arxiv.2409.20558,
title = {Uni$^2$Det: Unified and Universal Framework for Prompt-Guided Multi-dataset 3D Detection},
author = {Yubin Wang and Zhikang Zou and Xiaoqing Ye and Xiao Tan and Errui Ding and Cairong Zhao},
journal= {arXiv preprint arXiv:2409.20558},
year = {2024}
}
备注
13 pages, 5 figures, 6 tables