3D目標(biāo)檢測

1 Rethinking Pseudo－LiDAR Representation

作者：Xinzhu Ma，Shinan Liu，Zhiyi Xia，Hongwen Zhang，Xingyu Zeng，Wanli Ouyang

機構(gòu)：悉尼大學(xué)，商湯科技

簡介：最近提出的基于偽激光雷達的三維探測器大大提高了單目／立體三維探測任務(wù)的基準(zhǔn)。然而，研究界對其潛在的機制仍不甚清楚。本文對偽激光雷達的數(shù)據(jù)表示進行了深入研究，發(fā)現(xiàn)偽激光雷達表示的有效性來自于坐標(biāo)變換，而不是數(shù)據(jù)表示本身。在此基礎(chǔ)上，作者設(shè)計了一種基于圖像的CNN探測器Patch－Net，它是一種更通用的、可以實例化為基于偽激光雷達的3D探測器。此外，本文的PatchNet中的偽激光雷達數(shù)據(jù)被組織為圖像表示，這意味著現(xiàn)有的2D CNN設(shè)計可以很容易地用于從輸入數(shù)據(jù)中提取深層特征并提高3D檢測性能。作者在具有挑戰(zhàn)性的KITTI數(shù)據(jù)集上進行了大量的實驗，其中提出的PatchNet優(yōu)于所有現(xiàn)有的基于偽激光雷達的同類產(chǎn)品。

2 Pillar－based Object Detection for Autonomous Driving

作者：Yue Wang，Alireza Fathi，Abhijit Kundu，David Ross，Caroline Pantofaru，Tom Funkhouser，Justin Solomon

機構(gòu)：MIT，Google

簡介：本文提出了一種簡單靈活的自動駕駛目標(biāo)檢測框架。在觀察到該應(yīng)用中的點云非常稀疏的基礎(chǔ)上，提出了一種實用的基于柱的方法來解決錨定引起的不平衡問題。特別地，本文的算法在多視點特征學(xué)習(xí)中加入了柱面投影，預(yù)測了每個柱而不是每個點或每個錨點的邊界盒參數(shù)，并且包含了一個對齊的柱到點投影模塊來提高最終預(yù)測。本文的無錨方法避免了與以往方法相關(guān)的超參數(shù)搜索，簡化了三維目標(biāo)檢測，同時顯著提高了最先進的水平。

3 EPNet： Enhancing Point Features with Image Semantics for 3D Object Detection

作者：Tengteng Huang，Zhe Liu，Xiwu Chen，Xiang Bai

機構(gòu)：華中科技大學(xué)

簡介：本文針對三維檢測任務(wù)中的兩個關(guān)鍵問題，即多傳感器（即LiDAR點云和相機圖像）的開發(fā)以及定位和分類置信度之間的不一致性。為此，作者提出了一種新的融合模塊，在不需要任何圖像注釋的情況下，對具有語義特征的點特征進行逐點增強。此外，使用一致性強制損失來明確鼓勵本地化和分類可信度的一致性。作者設(shè)計了一個端到端的可學(xué)習(xí)框架EPNet來集成這兩個組件。在KITTI和SUN－RGBD數(shù)據(jù)集上進行的大量實驗證明了EPNet優(yōu)于最先進的方法。

視頻目標(biāo)檢測

1 Learning Where to Focus for Efficient Video Object Detection

作者：Zhengkai Jiang，Y． Liu，Ceyuan Yang，Jihao Liu， Peng Gao，Qian Zhang，Shiming Xiang，C． Pan

機構(gòu)：騰訊

簡介：將現(xiàn)有的基于圖像的檢測器轉(zhuǎn)移到視頻中是非常重要的，因為部分遮擋、罕見姿勢和運動模糊會導(dǎo)致幀質(zhì)量下降。以前的方法利用光流翹曲在視頻幀間傳播和聚集特征。然而，直接將圖像級光流應(yīng)用于高層特征可能無法建立精確的空間對應(yīng)關(guān)系。為此，提出了一種新的可學(xué)習(xí)時空采樣（LSTS）模塊來準(zhǔn)確地學(xué)習(xí)相鄰幀特征之間的語義級對應(yīng)關(guān)系。首先對采樣點進行隨機初始化，然后迭代更新，在檢測監(jiān)督的指導(dǎo)下逐步尋找更好的空間對應(yīng)關(guān)系。此外，還分別引入稀疏遞歸特征更新（SRFU）模塊和密集特征聚合（DFA）模塊來建模時間關(guān)系和增強每幀特征。該方法在imagenetvid數(shù)據(jù)集上實現(xiàn)了最先進的性能，計算復(fù)雜度和實時速度都很低。

AMiner 會議智圖開放平臺 ECCV 2020 專題了解會議的精彩內(nèi)容，其內(nèi)容包括論文、作者、華人學(xué)者、一作華人學(xué)生、論文 PPT 和視頻等多維分析服務(wù)，是參會學(xué)者的會議智能助理。