UniGeo：融合几何感知学习与动态通道门控的统一三维室内目标检测框架
计算机视觉与模式识别
2026-02-02 v1
摘要
随着机器人和增强现实在实际应用中的日益普及，基于点云的三维目标检测引起了广泛的研究兴趣。虽然先前的方法解决了跨多个数据集的统一训练问题，但它们未能对稀疏点云场景中的几何关系进行建模，并且忽略了重要区域中的特征分布，这最终限制了它们的性能。为了解决这个问题，我们提出了一个名为UniGeo的统一三维室内检测框架。为了对场景中的几何关系进行建模，我们首先提出了一个几何感知学习模块，该模块建立了从空间关系到特征权重的可学习映射，从而实现了显式的几何特征增强。然后，为了进一步增强点云特征表示，我们提出了一种动态通道门控机制，该机制利用可学习的通道级加权。该机制自适应地优化由稀疏三维U-Net网络生成的特征，显著增强了关键的几何信息。在六个不同室内场景数据集上的大量实验清楚地验证了我们方法的优越性能。
引用
@article{arxiv.2601.22616,
title = {UniGeo: A Unified 3D Indoor Object Detection Framework Integrating Geometry-Aware Learning and Dynamic Channel Gating},
author = {Xing Yi and Jinyang Huang and Feng-Qi Cui and Anyang Tong and Ruimin Wang and Liu Liu and Dan Guo},
journal= {arXiv preprint arXiv:2601.22616},
year = {2026}
}