3D目標(biāo)檢測(cè)

1 Rethinking Pseudo－LiDAR Representation

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

機(jī)構(gòu)：悉尼大學(xué)，商湯科技

簡(jiǎn)介：最近提出的基于偽激光雷達(dá)的三維探測(cè)器大大提高了單目／立體三維探測(cè)任務(wù)的基準(zhǔn)。然而，研究界對(duì)其潛在的機(jī)制仍不甚清楚。本文對(duì)偽激光雷達(dá)的數(shù)據(jù)表示進(jìn)行了深入研究，發(fā)現(xiàn)偽激光雷達(dá)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(jì)了一種基于圖像的CNN探測(cè)器Patch－Net，它是一種更通用的、可以實(shí)例化為基于偽激光雷達(dá)的3D探測(cè)器。此外，本文的PatchNet中的偽激光雷達(dá)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(jì)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(cè)性能。作者在具有挑戰(zhàn)性的KITTI數(shù)據(jù)集上進(jìn)行了大量的實(shí)驗(yàn)，其中提出的PatchNet優(yōu)于所有現(xiàn)有的基于偽激光雷達(dá)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(jī)構(gòu)：MIT，Google

簡(jiǎn)介：本文提出了一種簡(jiǎn)單靈活的自動(dòng)駕駛目標(biāo)檢測(cè)框架。在觀察到該應(yīng)用中的點(diǎn)云非常稀疏的基礎(chǔ)上，提出了一種實(shí)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(diǎn)特征學(xué)習(xí)中加入了柱面投影，預(yù)測(cè)了每個(gè)柱而不是每個(gè)點(diǎn)或每個(gè)錨點(diǎn)的邊界盒參數(shù)，并且包含了一個(gè)對(duì)齊的柱到點(diǎn)投影模塊來提高最終預(yù)測(cè)。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(jiǎn)化了三維目標(biāo)檢測(cè)，同時(shí)顯著提高了最先進(jìn)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(jī)構(gòu)：華中科技大學(xué)

簡(jiǎn)介：本文針對(duì)三維檢測(cè)任務(wù)中的兩個(gè)關(guān)鍵問題，即多傳感器（即LiDAR點(diǎn)云和相機(jī)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(duì)具有語義特征的點(diǎn)特征進(jìn)行逐點(diǎn)增強(qiáng)。此外，使用一致性強(qiáng)制損失來明確鼓勵(lì)本地化和分類可信度的一致性。作者設(shè)計(jì)了一個(gè)端到端的可學(xué)習(xí)框架EPNet來集成這兩個(gè)組件。在KITTI和SUN－RGBD數(shù)據(jù)集上進(jìn)行的大量實(shí)驗(yàn)證明了EPNet優(yōu)于最先進(jìn)的方法。

視頻目標(biāo)檢測(cè)

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(jī)構(gòu)：騰訊

簡(jiǎn)介：將現(xiàn)有的基于圖像的檢測(cè)器轉(zhuǎn)移到視頻中是非常重要的，因?yàn)椴糠终趽酢⒑币娮藙?shì)和運(yùn)動(dòng)模糊會(huì)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(jí)光流應(yīng)用于高層特征可能無法建立精確的空間對(duì)應(yīng)關(guān)系。為此，提出了一種新的可學(xué)習(xí)時(shí)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(jí)對(duì)應(yīng)關(guān)系。首先對(duì)采樣點(diǎn)進(jìn)行隨機(jī)初始化，然后迭代更新，在檢測(cè)監(jiān)督的指導(dǎo)下逐步尋找更好的空間對(duì)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(shí)間關(guān)系和增強(qiáng)每幀特征。該方法在imagenetvid數(shù)據(jù)集上實(shí)現(xiàn)了最先進(jìn)的性能，計(jì)算復(fù)雜度和實(shí)時(shí)速度都很低。

AMiner 會(huì)議智圖開放平臺(tái) ECCV 2020 專題了解會(huì)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(huì)學(xué)者的會(huì)議智能助理。