論文の概要: PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection

• arxiv url: http://arxiv.org/abs/2308.03982v2
• Date: Sat, 2 Dec 2023 08:00:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-05 22:45:11.086591
• Title: PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection
• Title（参考訳）: PartNER: LiDAR 3Dオブジェクト検出のための極性表現のレベルアップ
• Authors: Ming Nie, Yujing Xue, Chunwei Wang, Chaoqiang Ye, Hang Xu, Xinge Zhu, Qingqiu Huang, Michael Bi Mi, Xinchao Wang, Li Zhang
• Abstract要約: 本稿では、極座標における新しい3次元物体検出器Partnerを紹介する。 提案手法は,ONCE検証セットにおいて3.68%,9.15%の差で従来の極性理論よりも優れていた。
• 参考スコア（独自算出の注目度）: 81.16859686137435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, polar-based representation has shown promising properties in perceptual tasks. In addition to Cartesian-based approaches, which separate point clouds unevenly, representing point clouds as polar grids has been recognized as an alternative due to (1) its advantage in robust performance under different resolutions and (2) its superiority in streaming-based approaches. However, state-of-the-art polar-based detection methods inevitably suffer from the feature distortion problem because of the non-uniform division of polar representation, resulting in a non-negligible performance gap compared to Cartesian-based approaches. To tackle this issue, we present PARTNER, a novel 3D object detector in the polar coordinate. PARTNER alleviates the dilemma of feature distortion with global representation re-alignment and facilitates the regression by introducing instance-level geometric information into the detection head. Extensive experiments show overwhelming advantages in streaming-based detection and different resolutions. Furthermore, our method outperforms the previous polar-based works with remarkable margins of 3.68% and 9.15% on Waymo and ONCE validation set, thus achieving competitive results over the state-of-the-art methods.
• Abstract（参考訳）: 近年、極性に基づく表現は知覚タスクにおいて有望な性質を示している。 点雲を均等に分離するデカルト的アプローチに加えて,(1)異なる解像度下でのロバスト性能の優位性と(2)ストリーミングベースのアプローチの優位性から,点雲を極性グリッドとして表現する手法が選択肢として認識されている。 しかし、極性表現の不均一な分割のため、最先端の極性検出法は必然的に特徴歪み問題に悩まされ、カルテシアン法と比較して非無視的な性能差が生じる。 この問題に対処するため,極座標における新しい3次元物体検出器Partnerを提案する。 PartNERは、グローバル表現再構成による特徴歪みのジレンマを緩和し、検出ヘッドにインスタンスレベルの幾何情報を導入することで回帰を容易にする。 大規模な実験は、ストリーミングベースの検出と異なる解像度において圧倒的な優位性を示している。 さらに,本手法は,Waymo と ONCE の検証セットにおいて,3.68% と 9.15% の顕著なマージンを持つ従来の極性理論よりも優れており,最先端の手法よりも競争力のある結果が得られる。

関連論文リスト

• Video Frame Interpolation for Polarization via Swin-Transformer [9.10220649654041]
  ビデオフレーム補間 (VFI) は広く研究され、実証されてきたが、偏光への応用は未解明のままである。 本研究では,Swin-Transformerに基づくマルチステージ・マルチスケールネットワークSwin-VFIを提案する。 実験の結果,全てのタスクにおいて,提案手法の再現精度が優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-17T09:48:54Z)
• Decoupled Pseudo-labeling for Semi-Supervised Monocular 3D Object Detection [108.672972439282]
  SSM3ODに対するDPL(decoupled pseudo-labeling)アプローチを提案する。 提案手法は,擬似ラベルを効率的に生成するためのDPGモジュールを特徴とする。 また,擬似ラベルの雑音深度監視による最適化競合を軽減するために,DGPモジュールを提案する。
  論文  参考訳（メタデータ） (2024-03-26T05:12:18Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• PolarFormer: Multi-camera 3D Object Detection with Polar Transformers [93.49713023975727]
  自律運転における3次元物体検出は、3次元の世界に存在する「何」と「どこに」の物体を推論することを目的としている。 既存の手法はしばしば垂直軸を持つ標準カルテ座標系を採用する。 鳥眼ビュー(BEV)におけるより正確な3次元物体検出のための新しい極変換器(PolarFormer)を,マルチカメラ2D画像のみを入力として提案する。
  論文  参考訳（メタデータ） (2022-06-30T16:32:48Z)
• Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
  補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。 この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• Investigating Spherical Epipolar Rectification for Multi-View Stereo 3D Reconstruction [1.0152838128195467]
  主線の違いによる歪みを最小限に抑えるために, エピポーラ補正のための球面モデルを提案する。 提案手法がフレームベースのエピポーラ補正よりも優れていることを示す定性的,定量的評価を行った。
  論文  参考訳（メタデータ） (2022-04-08T15:50:20Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• A recursive robust filtering approach for 3D registration [3.5270468102327004]
  提案手法は, 既往のソリューションではまだ発生していない4つの利点を有する。 固有ノイズ汚染センサデータを扱うことができる。 ノイズのある特徴ローカライゼーションによる不確実性に対して堅牢である。
  論文  参考訳（メタデータ） (2021-10-28T07:50:02Z)
• Are we Missing Confidence in Pseudo-LiDAR Methods for Monocular 3D Object Detection? [44.74595167179931]
  実験により,plベース手法による検証結果が実質的に偏っていることを示す。 3D信頼度予測モジュールを導入する新しい深層アーキテクチャを紹介します。 rgbのみの3d検出手法から得られた3次元信頼度推定手法をフレームワークにうまく統合できることを示す。
  論文  参考訳（メタデータ） (2020-12-10T16:31:41Z)
• Objects detection for remote sensing images based on polar coordinates [26.640452563317346]
  極座標系をディープラーニング検出器に初めて導入し, アンカーフリーの極リモートセンシングオブジェクト検出器(P-RSDet)を提案する。 P-RSDet法では、中心点を予測し、1つの極半径と2つの極角を回帰することにより、任意の方向の物体検出が可能である。 DOTA,UCAS-AOD,NWPU VHR-10データセットを用いた実験により,我々のP-RSDetはより単純なモデルとより少ない回帰パラメータで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2020-01-09T14:02:51Z)

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。