論文の概要: CascadeV-Det: Cascade Point Voting for 3D Object Detection
- arxiv url: http://arxiv.org/abs/2401.07477v1
- Date: Mon, 15 Jan 2024 05:10:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 17:56:58.002430
- Title: CascadeV-Det: Cascade Point Voting for 3D Object Detection
- Title（参考訳）: CascadeV-Det:3次元物体検出のためのカスケード点投票
- Authors: Yingping Liang, Ying Fu
- Abstract要約: アンカーレス物体検出器は、アンカーの余分な後処理を必要とせず、ポイントベースの予測を行うのに非常に効率的である。
2Dグリッドとは異なり、これらの検出器で使用される3Dポイントは、しばしば地上の真理の中心から遠く離れている。
本稿では,高品質な3Dオブジェクト検出を実現するカスケード投票(CascadeV)戦略を提案する。
- 参考スコア（独自算出の注目度）: 10.714006902287904
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Anchor-free object detectors are highly efficient in performing point-based
prediction without the need for extra post-processing of anchors. However,
different from the 2D grids, the 3D points used in these detectors are often
far from the ground truth center, making it challenging to accurately regress
the bounding boxes. To address this issue, we propose a Cascade Voting
(CascadeV) strategy that provides high-quality 3D object detection with
point-based prediction. Specifically, CascadeV performs cascade detection using
a novel Cascade Voting decoder that combines two new components: Instance Aware
Voting (IA-Voting) and a Cascade Point Assignment (CPA) module. The IA-Voting
module updates the object features of updated proposal points within the
bounding box using conditional inverse distance weighting. This approach
prevents features from being aggregated outside the instance and helps improve
the accuracy of object detection. Additionally, since model training can suffer
from a lack of proposal points with high centerness, we have developed the CPA
module to narrow down the positive assignment threshold with cascade stages.
This approach relaxes the dependence on proposal centerness in the early stages
while ensuring an ample quantity of positives with high centerness in the later
stages. Experiments show that FCAF3D with our CascadeV achieves
state-of-the-art 3D object detection results with 70.4\% mAP@0.25 and 51.6\%
mAP@0.5 on SUN RGB-D and competitive results on ScanNet. Code will be released
at https://github.com/Sharpiless/CascadeV-Det
- Abstract（参考訳）: アンカーフリーオブジェクト検出器はアンカーの余分な後処理を必要とせずにポイントベースの予測を行うのに非常に効率的である。
しかし、2Dグリッドとは異なり、これらの検出器で使用される3Dポイントは、しばしば地上の真理の中心から遠ざかっているため、バウンディングボックスを正確に回帰することは困難である。
この問題に対処するため,我々は,ポイントベース予測による高品質な3dオブジェクト検出を実現するカスケード投票(cascadev)戦略を提案する。
具体的には、CascadeVは2つの新しいコンポーネント(IA-Voting)とCascade Point Assignment(CPA)モジュールを組み合わせた新しいCascade Voting Decoderを使用してカスケード検出を行う。
IA-Votingモジュールは、条件付き逆距離重み付けを使用して、バウンディングボックス内の更新提案点のオブジェクト特徴を更新する。
このアプローチは、機能がインスタンス外で集約されることを防ぎ、オブジェクト検出の精度を向上させる。
さらに、モデルトレーニングは、高い中心性を持つ提案点の欠如に悩まされる可能性があるため、カスケードステージによる正の割り当て閾値を狭めるためのCPAモジュールを開発した。
このアプローチは、初期の段階における提案中心性への依存を緩和し、後期段階において高い中心性を持つ十分な正の量を確保する。
SUN RGB-Dでは, FCAF3Dが70.4\% mAP@0.25, 51.6\% mAP@0.5, ScanNetでは競合する結果を得た。
コードはhttps://github.com/Sharpiless/CascadeV-Detでリリースされる
関連論文リスト
- 3D Object Detection from Point Cloud via Voting Step Diffusion [52.9966883689137]
既存の投票ベースのメソッドは、個々のオブジェクトの部分的な面から厳しいノイズとともに投票を受け取り、亜最適検出性能をもたらす。
雑音条件付きスコアネットワークを用いて分布のスコア関数を推定することにより、ランダムな3Dポイントを分布の高密度領域へ移動させる新しい手法を提案する。
大規模屋内3DシーンデータセットSUN RGB-DとScanNet V2の実験により,提案手法の優位性を実証した。
論文 参考訳（メタデータ） (2024-03-21T05:04:52Z) - SPGroup3D: Superpoint Grouping Network for Indoor 3D Object Detection [23.208654655032955]
屋内シーンにおける現在の3Dオブジェクト検出手法は,主に投票・グループ化戦略に従って提案を行う。
屋内アンカーフリーワンステージ3次元物体検出のための新しいスーパーポイントグループネットワークを提案する。
実験により,ScanNet V2, SUN RGB-D, S3DISデータセット上での最先端性能を実証した。
論文 参考訳（メタデータ） (2023-12-21T08:08:02Z) - Semi-Supervised and Long-Tailed Object Detection with CascadeMatch [91.86787064083012]
そこで我々はCascadeMatchと呼ばれる新しい擬似ラベル型検出器を提案する。
我々の検出器は、プログレッシブな信頼しきい値を持つ多段検出ヘッドを備えたカスケードネットワークアーキテクチャを備えている。
CascadeMatchは、長い尾のオブジェクト検出の処理において、既存の最先端の半教師付きアプローチを超越していることを示す。
論文 参考訳（メタデータ） (2023-05-24T07:09:25Z) - 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) - CAGroup3D: Class-Aware Grouping for 3D Object Detection on Point Clouds [55.44204039410225]
本稿では,CAGroup3Dという新しい2段階完全スパース3Dオブジェクト検出フレームワークを提案する。
提案手法は,まず,オブジェクト表面のボクセル上でのクラス認識型局所群戦略を活用することによって,高品質な3D提案を生成する。
不正なボクセルワイドセグメンテーションにより欠落したボクセルの特徴を回復するために,完全にスパースな畳み込み型RoIプールモジュールを構築した。
論文 参考訳（メタデータ） (2022-10-09T13:38:48Z) - RBGNet: Ray-based Grouping for 3D Object Detection [104.98776095895641]
本稿では,点雲からの正確な3次元物体検出のための投票型3次元検出器RBGNetフレームワークを提案する。
決定された光線群を用いて物体表面上の点方向の特徴を集約する。
ScanNet V2 と SUN RGB-D による最先端の3D 検出性能を実現する。
論文 参考訳（メタデータ） (2022-04-05T14:42:57Z) - 3D Object Detection Combining Semantic and Geometric Features from Point
Clouds [19.127930862527666]
そこで本研究では,SGNetと呼ばれる2次元物体検出装置を提案する。
VTPMはVoxel-Point-Based Moduleであり、最終的に点空間で3Dオブジェクト検出を実装している。
2021年9月19日時点で、KITTIデータセットでは、SGNetは、難易度の高いサイクリストの3DおよびBEV検出で1位、適度なサイクリストの3D検出では2位であった。
論文 参考訳（メタデータ） (2021-10-10T04:43:27Z) - Anchor-free 3D Single Stage Detector with Mask-Guided Attention for
Point Cloud [79.39041453836793]
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。
論文 参考訳（メタデータ） (2021-08-08T13:42:13Z) - CenterNet3D: An Anchor Free Object Detector for Point Cloud [14.506796247331584]
本研究では,アンカーフリーのCenterNet3Dネットワークを提案し,アンカーなしで3次元物体検出を行う。
中心点に基づいて,アンカー不要な3次元物体検出を行うCenterNet3Dネットワークを提案する。
提案手法は,最先端のアンカーベースの一段法よりも優れ,二段法に匹敵する性能を有する。
論文 参考訳（メタデータ） (2020-07-13T13:53:56Z)
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。