論文の概要: Shape-Aware Monocular 3D Object Detection

• arxiv url: http://arxiv.org/abs/2204.08717v1
• Date: Tue, 19 Apr 2022 07:43:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-20 14:28:17.313132
• Title: Shape-Aware Monocular 3D Object Detection
• Title（参考訳）: 形状認識型単眼物体検出
• Authors: Wei Chen, Jie Zhao, Wan-Lei Zhao, Song-Yuan Wu
• Abstract要約: 単分子3次元物体検出モデルを提案する。 この検出は、対象物を取り巻く無関係な領域からの干渉をほとんど避ける。 単分子3次元物体検出モデルに対して,新しい評価基準,すなわち平均深度類似度(ADS)を提案する。
• 参考スコア（独自算出の注目度）: 15.693199934120077
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The detection of 3D objects through a single perspective camera is a challenging issue. The anchor-free and keypoint-based models receive increasing attention recently due to their effectiveness and simplicity. However, most of these methods are vulnerable to occluded and truncated objects. In this paper, a single-stage monocular 3D object detection model is proposed. An instance-segmentation head is integrated into the model training, which allows the model to be aware of the visible shape of a target object. The detection largely avoids interference from irrelevant regions surrounding the target objects. In addition, we also reveal that the popular IoU-based evaluation metrics, which were originally designed for evaluating stereo or LiDAR-based detection methods, are insensitive to the improvement of monocular 3D object detection algorithms. A novel evaluation metric, namely average depth similarity (ADS) is proposed for the monocular 3D object detection models. Our method outperforms the baseline on both the popular and the proposed evaluation metrics while maintaining real-time efficiency.
• Abstract（参考訳）: 単一の視点カメラによる3Dオブジェクトの検出は、難しい問題である。 アンカーフリーとキーポイントベースのモデルは、その有効性と単純さから近年注目を集めている。 しかし、これらのメソッドのほとんどは、occluded と truncated オブジェクトに対して脆弱である。 本稿では,単眼3次元物体検出モデルを提案する。 インスタンスセグメンテーションヘッドはモデルトレーニングに統合され、モデルが対象オブジェクトの目に見える形状を認識することができる。 この検出は、対象物体を取り巻く無関係領域からの干渉をほとんど避ける。 さらに,ステレオやLiDARによる検出手法の評価を目的としたIoUに基づく評価指標が,モノクロ3Dオブジェクト検出アルゴリズムの改良に敏感であることも明らかにした。 単分子3次元物体検出モデルに対して,新しい評価基準,すなわち平均深度類似度(ADS)を提案する。 提案手法は,実時間効率を維持しつつ,人気指標と評価指標の両方のベースラインに優れる。

関連論文リスト

• Open Vocabulary Monocular 3D Object Detection [10.424711580213616]
  RGB画像から3次元空間内の物体を検出しローカライズすることを目的とした新しい課題であるオープンボキャブラリモノクロ3Dオブジェクト検出の研究を開拓した。 オープンボキャブラリ2次元検出器を活用して2次元境界ボックスを3次元空間に持ち上げるクラス非依存的手法を提案する。 提案手法は,3次元境界ボックスを推定する作業から2次元の物体の認識と局所化を分離し,未知のカテゴリをまたいだ一般化を可能にする。
  論文  参考訳（メタデータ） (2024-11-25T18:59:17Z)
• Open-Set 3D object detection in LiDAR data as an Out-of-Distribution problem [6.131026007721572]
  LiDARデータからの3Dオブジェクト検出は,制御環境下での産業対応性能を実現している。 我々は,LiDARデータにおけるオープンセット3Dオブジェクト検出問題を,外部分布(OOD)問題として再定義し,外乱オブジェクトを検出する。
  論文  参考訳（メタデータ） (2024-10-31T09:29:55Z)
• AdvMono3D: Advanced Monocular 3D Object Detection with Depth-Aware Robust Adversarial Training [64.14759275211115]
  そこで本研究では,DART3Dと呼ばれるモノクル3次元物体検出のための,深度対応の頑健な対向学習法を提案する。 我々の敵の訓練アプローチは、本質的な不確実性に乗じて、敵の攻撃に対する堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-09-03T07:05:32Z)
• Object DGCNN: 3D Object Detection using Dynamic Graphs [32.090268859180334]
  3Dオブジェクト検出は、複雑なトレーニングとテストパイプラインを伴うことが多い。 近年,非最大抑圧型2次元物体検出モデルに着想を得て,点雲上の3次元物体検出アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-10-13T17:59:38Z)
• Delving into Localization Errors for Monocular 3D Object Detection [85.77319416168362]
  単眼画像から3Dバウンディングボックスを推定することは、自動運転に不可欠な要素です。 本研究では, 各サブタスクがもたらす影響を定量化し, 局所化誤差を求めることが, モノクロ3次元検出の抑制に欠かせない要因である。
  論文  参考訳（メタデータ） (2021-03-30T10:38:01Z)
• 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)
• IAFA: Instance-aware Feature Aggregation for 3D Object Detection from a Single Image [37.83574424518901]
  単一の画像からの3Dオブジェクト検出は、自動運転において重要なタスクです。 本稿では,3次元物体検出の精度向上のために有用な情報を集約するインスタンス認識手法を提案する。
  論文  参考訳（メタデータ） (2021-03-05T05:47:52Z)
• Slender Object Detection: Diagnoses and Improvements [74.40792217534]
  本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。 古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
  論文  参考訳（メタデータ） (2020-11-17T09:39:42Z)
• Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
  モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。 従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。 我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。 これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
  論文  参考訳（メタデータ） (2020-08-31T17:10:48Z)
• BirdNet+: End-to-End 3D Object Detection in LiDAR Bird's Eye View [117.44028458220427]
  自動運転車のオンボード3Dオブジェクト検出は、LiDARデバイスが捉えた幾何学情報に依存することが多い。 本稿では,BEV画像のみから指向性3Dボックスを推測可能な,エンドツーエンドの3Dオブジェクト検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-09T15:08:40Z)

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。