論文の概要: Anchor-free 3D Single Stage Detector with Mask-Guided Attention for Point Cloud

• arxiv url: http://arxiv.org/abs/2108.03634v1
• Date: Sun, 8 Aug 2021 13:42:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-10 15:26:46.038370
• Title: Anchor-free 3D Single Stage Detector with Mask-Guided Attention for Point Cloud
• Title（参考訳）: マスクガイド付き点雲用アンカーフリー3d単段検出器
• Authors: Jiale Li and Hang Dai and Ling Shao and Yong Ding
• Abstract要約: 我々は、点雲をアンカーフリーで検出する新しい1段3次元検出器を開発した。 ボクセルをベースとしたスパース3D特徴量からスパース2D特徴量マップに変換することでこれを克服する。 検出信頼度スコアとバウンディングボックス回帰の精度との相関性を改善するために,IoUに基づく検出信頼度再校正手法を提案する。
• 参考スコア（独自算出の注目度）: 79.39041453836793
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most of the existing single-stage and two-stage 3D object detectors are anchor-based methods, while the efficient but challenging anchor-free single-stage 3D object detection is not well investigated. Recent studies on 2D object detection show that the anchor-free methods also are of great potential. However, the unordered and sparse properties of point clouds prevent us from directly leveraging the advanced 2D methods on 3D point clouds. We overcome this by converting the voxel-based sparse 3D feature volumes into the sparse 2D feature maps. We propose an attentive module to fit the sparse feature maps to dense mostly on the object regions through the deformable convolution tower and the supervised mask-guided attention. By directly regressing the 3D bounding box from the enhanced and dense feature maps, we construct a novel single-stage 3D detector for point clouds in an anchor-free manner. We propose an IoU-based detection confidence re-calibration scheme to improve the correlation between the detection confidence score and the accuracy of the bounding box regression. Our code is publicly available at \url{https://github.com/jialeli1/MGAF-3DSSD}.
• Abstract（参考訳）: 既存の1段階および2段階の3d物体検出器のほとんどはアンカーベースであるが、効率的だが挑戦的なアンカーフリーな1段階の3d物体検出は十分に研究されていない。 2次元物体検出に関する最近の研究は、アンカーフリー法も大きな可能性を示唆している。 しかし、点雲の無秩序でスパースな性質は、3次元点雲の高度な2D手法を直接活用することを妨げる。 ボクセルベースのスパース3D特徴量からスパース2D特徴量マップに変換することでこれを克服する。 本稿では, 変形可能な畳み込み塔と監視マスク誘導による注意を通して, 主に対象領域に密集したスパース特徴写像に適合する注意モジュールを提案する。 拡張された高密度特徴写像から3D境界ボックスを直接回帰することにより、点雲をアンカーフリーで検出する新しい1段3D検出器を構築する。 検出信頼度スコアとバウンディングボックス回帰の精度との相関性を改善するために,IoUに基づく検出信頼度再校正手法を提案する。 我々のコードは \url{https://github.com/jialeli1/MGAF-3DSSD} で公開されている。

関連論文リスト

• Sparse2Dense: Learning to Densify 3D Features for 3D Object Detection [85.08249413137558]
  LiDARが生成する点雲は、最先端の3Dオブジェクト検出器の主要な情報源である。 小さい、遠く、不完全な点の少ない物体は、しばしば検出するのが困難である。 Sparse2Denseは、潜在空間における点雲の密度化を学習することで、3D検出性能を効率的に向上する新しいフレームワークである。
  論文  参考訳（メタデータ） (2022-11-23T16:01:06Z)
• 3D Cascade RCNN: High Quality Object Detection in Point Clouds [122.42455210196262]
  本稿では3次元カスケードRCNNを提案する。これはカスケードパラダイムにおいて、酸化点雲に基づいて複数の検出器を割り当てる。 提案する3次元カスケードRCNNは,最先端の3次元物体検出技術と比較した場合の優位性を検証した。
  論文  参考訳（メタデータ） (2022-11-15T15:58:36Z)
• CG-SSD: Corner Guided Single Stage 3D Object Detection from LiDAR Point Cloud [4.110053032708927]
  現実世界では、LiDARは限られた物体の表面点の雲しか取得できないが、物体の中心点は存在しない。 コーナー誘導型アンカーフリー単段3次元物体検出モデル(CG-SSD)を提案する。 CG-SSDは、単一フレームポイントクラウドデータを用いた教師付き3Dオブジェクト検出のためのONCEベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-02-24T02:30:15Z)
• Embracing Single Stride 3D Object Detector with Sparse Transformer [63.179720817019096]
  自律走行のためのLiDARを用いた3次元物体検出では、物体サイズと入力シーンサイズとの比が2次元検出の場合に比べて有意に小さい。 多くの3D検出器は2D検出器の一般的な慣習に従っており、点雲の定量化後も特徴マップを分解する。 本稿では,SST(Single-stride Sparse Transformer)を提案する。
  論文  参考訳（メタデータ） (2021-12-13T02:12:02Z)
• M3DSSD: Monocular 3D Single Stage Object Detector [82.25793227026443]
  特徴アライメントと非対称非局所的注意を有するモノクロ3次元単段物体検出器(M3DSSD)を提案する。 提案したM3DSSDは,KITTIデータセット上のモノラルな3Dオブジェクト検出手法よりも大幅に性能が向上する。
  論文  参考訳（メタデータ） (2021-03-24T13:09:11Z)
• Cross-Modality 3D Object Detection [63.29935886648709]
  本稿では,3次元物体検出のための新しい2段階多モード融合ネットワークを提案する。 アーキテクチャ全体が2段階の融合を促進する。 KITTIデータセットを用いた実験により,提案したマルチステージ融合により,ネットワークがより良い表現を学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-08-16T11:01:20Z)
• Boundary-Aware Dense Feature Indicator for Single-Stage 3D Object Detection from Point Clouds [32.916690488130506]
  本稿では,3次元検出器が境界を意識して点雲の最も密集した領域に焦点を合わせるのを支援する普遍モジュールを提案する。 KITTIデータセットの実験により、DENFIはベースライン単段検出器の性能を著しく改善することが示された。
  論文  参考訳（メタデータ） (2020-04-01T01:21:23Z)
• SMOKE: Single-Stage Monocular 3D Object Detection via Keypoint Estimation [3.1542695050861544]
  3Dの向きとオブジェクトの変換を推定することは、インフラストラクチャレスの自律走行と運転に不可欠である。 SMOKEと呼ばれる新しい3次元オブジェクト検出手法を提案する。 構造的単純さにもかかわらず、提案するSMOKEネットワークは、KITTIデータセット上の既存のモノクル3D検出方法よりも優れている。
  論文  参考訳（メタデータ） (2020-02-24T08:15:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。