UniFusion：用于鸟瞰图时空表示的统一多视角融合 Transformer
计算机视觉与模式识别
2023-03-21 v2
摘要
鸟瞰图（BEV）表示是一种基于空间融合的自动驾驶新感知形式。进一步地，时序融合也被引入 BEV 表示并取得了巨大成功。在本工作中，我们提出了一种新方法，将空间与时序融合统一并合并为一个统一的数学形式。该统一融合不仅能为 BEV 融合提供新视角，还带来了新能力。借助所提出的统一时空融合，我们的方法可支持长距离融合，而这是传统 BEV 方法难以实现的。此外，我们工作中的 BEV 融合是时间自适应的，且时序融合权重是可学习的；相比之下，传统方法主要对时序融合使用固定且相等的权重。另外，所提出的统一融合可避免传统 BEV 融合方法中的信息丢失并充分利用特征。在 NuScenes 数据集上的大量实验与消融研究显示了所提方法的有效性，且我们的方法在地图分割任务中取得了最先进的性能。
引用
@article{arxiv.2207.08536,
title = {UniFusion: Unified Multi-view Fusion Transformer for Spatial-Temporal Representation in Bird's-Eye-View},
author = {Zequn Qin and Jingyu Chen and Chao Chen and Xiaozhi Chen and Xi Li},
journal= {arXiv preprint arXiv:2207.08536},
year = {2023}
}