論文の概要: IC-FPS: Instance-Centroid Faster Point Sampling Module for 3D Point-base Object Detection

• arxiv url: http://arxiv.org/abs/2303.17921v1
• Date: Fri, 31 Mar 2023 09:31:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 14:43:35.416294
• Title: IC-FPS: Instance-Centroid Faster Point Sampling Module for 3D Point-base Object Detection
• Title（参考訳）: IC-FPS:3Dポイントベースオブジェクト検出のためのインスタンスセントロイド高速点サンプリングモジュール
• Authors: Hu Haotian, Wang Fanyi, Su Jingwen, Gao Shiyu, Zhang Zhiwang
• Abstract要約: 本研究は,大規模クラウド上でのポイントベース手法の低効率化に焦点をあてる。 既存の点ベース手法では、ダウンサンプリングのための極端点サンプリング(FPS)戦略を採用している。 本稿では,非常に面倒な最初のSet Abstraction (SA) レイヤを効果的に置き換える新しいインスタンス・センタロイド高速点サンプリングモジュール (IC-FPS) を提案する。
• 参考スコア（独自算出の注目度）: 0.5249805590164902
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D object detection is one of the most important tasks in autonomous driving and robotics. Our research focuses on tackling low efficiency issue of point-based methods on large-scale point clouds. Existing point-based methods adopt farthest point sampling (FPS) strategy for downsampling, which is computationally expensive in terms of inference time and memory consumption when the number of point cloud increases. In order to improve efficiency, we propose a novel Instance-Centroid Faster Point Sampling Module (IC-FPS) , which effectively replaces the first Set Abstraction (SA) layer that is extremely tedious. IC-FPS module is comprised of two methods, local feature diffusion based background point filter (LFDBF) and Centroid-Instance Sampling Strategy (CISS). LFDBF is constructed to exclude most invalid background points, while CISS substitutes FPS strategy by fast sampling centroids and instance points. IC-FPS module can be inserted to almost every point-based models. Extensive experiments on multiple public benchmarks have demonstrated the superiority of IC-FPS. On Waymo dataset, the proposed module significantly improves performance of baseline model and accelerates inference speed by 3.8 times. For the first time, real-time detection of point-based models in large-scale point cloud scenario is realized.
• Abstract（参考訳）: 3dオブジェクト検出は、自動運転とロボティクスにおいて最も重要なタスクの1つだ。 本研究は,大規模クラウド上でのポイントベース手法の低効率化に焦点をあてる。 既存のポイントベース手法では、ダウンサンプリングのfarthest point sampling (fps)戦略を採用している。 効率を向上させるために,我々は,非常に面倒な第1のSet Abstraction (SA) レイヤを効果的に置き換える新しい Instance-Centroid Faster Point Smpling Module (IC-FPS) を提案する。 IC-FPSモジュールは、ローカルな特徴拡散に基づくバックグラウンドポイントフィルタ(LFDBF)とCentroid-Instance Smpling Strategy(CISS)の2つの方法で構成されている。 lfdbfはほとんどの無効なバックグラウンドポイントを除外するために構築され、cissはfps戦略を高速サンプリングセンタロイドとインスタンスポイントで置き換える。 IC-FPSモジュールはほとんど全ての点ベースのモデルに挿入できる。 複数の公開ベンチマークでの大規模な実験はIC-FPSの優位性を示している。 Waymoデータセットでは、提案モジュールはベースラインモデルの性能を大幅に改善し、推論速度を3.8倍に加速する。 大規模ポイントクラウドシナリオにおけるポイントベースモデルのリアルタイム検出が初めて実現される。

関連論文リスト

• Boosting 3D Object Detection with Semantic-Aware Multi-Branch Framework [44.44329455757931]
  自律走行では、LiDARセンサーは3Dポイントの雲の取得に不可欠であり、信頼できる幾何学的情報を提供する。 従来の前処理のサンプリング手法は意味的特徴を無視することが多く、詳細な損失や接地点干渉を引き起こす。 本稿では,Semantic-aware Multi-branch Smpling (SMS)モジュールとマルチビュー制約を用いたマルチブランチ2次元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） (2024-07-08T09:25:45Z)
• PTT: Point-Trajectory Transformer for Efficient Temporal 3D Object Detection [66.94819989912823]
  時間的3次元物体検出を効率的に行うために,長期記憶が可能な点トラジェクトリ変換器を提案する。 私たちは、メモリバンクのストレージ要件を最小限に抑えるために、現在のフレームオブジェクトのポイントクラウドとその履歴トラジェクトリを入力として使用します。 大規模データセットに対する広範な実験を行い、我々のアプローチが最先端の手法に対してうまく機能することを実証した。
  論文  参考訳（メタデータ） (2023-12-13T18:59:13Z)
• Not All Points Are Equal: Learning Highly Efficient Point-based Detectors for 3D LiDAR Point Clouds [29.762645632148097]
  IA-SSDと呼ばれる高効率単段点ベース3D検出器を提案する。 学習可能な,タスク指向の,インスタンス対応の2つのダウンサンプリング戦略を利用して,前景点を階層的に選択する。 いくつかの大規模検出ベンチマークで行った実験は、IA-SSDの競合性能を示している。
  論文  参考訳（メタデータ） (2022-03-21T17:14:02Z)
• SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection [78.90102636266276]
  SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。 そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。 実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
  論文  参考訳（メタデータ） (2022-01-06T08:54:47Z)
• PiFeNet: Pillar-Feature Network for Real-Time 3D Pedestrian Detection from Point Cloud [64.12626752721766]
  点雲からの歩行者検出に有効なリアルタイム3D検出器であるPiFeNetを提案する。 歩行者を検知する際の3次元物体検出フレームワークが直面する課題として, 柱の特徴の少ない点と, 点群における歩行者の占有面積の小さい点があげられる。 提案手法は,26fps/秒(FPS)で走行しながら,KITTI歩行者BEVと3Dリーダーボードで第1位にランクされ,Nuscenes検出ベンチマークの最先端性能を実現している。
  論文  参考訳（メタデータ） (2021-12-31T13:41:37Z)
• Learning Semantic Segmentation of Large-Scale Point Clouds with Random Sampling [52.464516118826765]
  我々はRandLA-Netを紹介した。RandLA-Netは、大規模ポイントクラウドのポイントごとの意味を推論する、効率的で軽量なニューラルネットワークアーキテクチャである。 我々のアプローチの鍵は、より複雑な点選択アプローチではなく、ランダムな点サンプリングを使用することである。 我々のRandLA-Netは、既存のアプローチよりも最大200倍高速な1回のパスで100万ポイントを処理できます。
  論文  参考訳（メタデータ） (2021-07-06T05:08:34Z)
• SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine Reconstruction with Self-Projection Optimization [52.20602782690776]
  実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。 本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。 本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-08T14:14:09Z)
• 3DSSD: Point-based 3D Single Stage Object Detector [61.67928229961813]
  本稿では,3DSSDと命名された点ベース3次元単段物体検出器を提案し,精度と効率のバランスが良好であることを示す。 提案手法は,最先端のボクセルをベースとした一段法を大差で上回り,二段法に匹敵する性能を有する。
  論文  参考訳（メタデータ） (2020-02-24T12:01:58Z)

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。