中科院自动化所和图森联合开源FSD V2:通过虚拟体素改进的全稀疏三维物体检测
点击上方“计算机视觉life”,选择“星标”
快速获得最新干货
小六的机器人SLAM圈】,在这里你可以收获:星主答疑解惑/定期直播分享/最新招聘信息/笔面试题速递/行业最新动态/每日领域论文翻译/成员定期交流活动
还有星球专属视频哦~(图片篇幅有限,更多内容请移步官网cvlife.net查看~)
以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容
#论文##开源# arxiv 2023|中科院自动化所和图森联合开源FSD V2:通过虚拟体素改进的全稀疏三维物体检测
【FSD V2: Improving Fully Sparse 3D Object Detection with Virtual Voxels】
文章链接:[2308.03755] FSD V2: Improving Fully Sparse 3D Obj...
开源代码:GitHub - tusen-ai/SST: Codes for “Fully Sparse 3D ...
基于LiDAR的全稀疏架构引起了越来越多的关注。FSDv1作为代表性的工作在效能和效率方面表现出色,尽管具有复杂的结构和手工设计。在本文中,我们介绍了FSDv2,这是FSDv1的升级版本,旨在简化以前的FSDv1,同时消除其手工设计的实例级表示引入的归纳偏差,从而提高更好的通用适用性。为此,我们引入了虚拟体素的概念,取代了FSDv1中基于聚类的实例分割。虚拟体素不仅解决了全稀疏检测器中臭名昭著的中心特征缺失问题,还赋予了框架更加优雅和简化的方法。
因此,我们开发了一系列补充虚拟体素概念的组件,包括虚拟体素编码器、虚拟体素混合器和虚拟体素分配策略。通过经验验证,我们证明虚拟体素机制在功能上类似于FSDv1中的手工聚类,同时更具通用性。我们在三个大规模数据集上进行了实验证明:Waymo开放数据集、Argoverse 2数据集和nuScenes数据集。我们的结果展示了在这三个数据集上的SOTA,突显了FSDv2在长距离场景中的优越性,并且其通用适用性可以在各种场景中实现具有竞争力的性能。此外,我们提供了全面的实验分析,以阐明FSDv2的工作原理。
以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容
阅读原文如果你还不是【小六的机器人SLAM圈】成员,扫描加入↓“长按”或“扫描”下方二维码,加入即可开始学习~3天内无条件退款~ 购买后务必加客服领取其他权益和加交流群,现在加入免费送近千页5年机器人SLAM答疑手册
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。