ICCV 2021| 3D Detection | DD3D

最新推荐文章于 2025-08-28 12:15:30 发布

原创

最新推荐文章于 2025-08-28 12:15:30 发布 · 215 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能 #计算机视觉

文章介绍了一种名为DD3D的端到端单级单目3D对象检测器，它避免了伪激光雷达方法的局限性，同时能从深度预训练中获益。DD3D在KITTI-3D和NuScenes基准测试上实现了最先进的结果。

1. 论文信息

论文标题：《Is Pseudo-Lidar needed for Monocular 3D Object detection?》
代码：GitHub - TRI-ML/dd3d: Official PyTorch implementation of DD3D: Is Pseudo-Lidar needed for Monocular 3D Object detection? (ICCV 2021), Dennis Park*, Rares Ambrus*, Vitor Guizilini, Jie Li, and Adrien Gaidon.
论文：https://arxiv.org/abs/2108.06417

2. 摘要

从单幅图像检测 3D 对象的最新进展利用单眼深度估计作为生成 3D 点云的方法，将相机变成伪激光雷达传感器。这些两级检测器随着中间深度估计网络的准确性而提高，而中间深度估

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

HHHHGitttt

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

论文阅读笔记：(2021.08, iccv) Is Pseudo-Lidar needed for Monocular 3D Object detection?

chaoqinyou的博客

01-29

2538

DD3D发表在了iccv 2021上，是目前（2022.01）性能最好的单目3D目标检测模型之一，值得一看。论文：ICCV 2021 Open Access Repositoryhttps://openaccess.thecvf.com/content/ICCV2021/html/Park_Is_Pseudo-Lidar_Needed_for_Monocular_3D_Object_Detection_ICCV_2021_paper.html 代码：https://github.com/TRI-ML/

ICCV2021 | TOOD：任务对齐的单阶段目标检测

CV技术指南（微信公众号）

12-07

5052

前言单阶段目标检测通常通过优化目标分类和定位两个子任务来实现，使用具有两个平行分支的头部，这可能会导致两个任务之间的预测出现一定程度的空间错位。本文提出了一种任务对齐的一阶段目标检测(TOOD)，它以基于学习的方式显式地对齐这两个任务。 TOOD在MS-CoCO上实现了51.1Ap的单模型单尺度测试。这大大超过了最近的单阶段检测器，如ATSS(47.7AP)、GFL(48.2AP)和PAA(49.0AP)，它们的参数和FLOPs更少。本文来自公众号CV技术指南的论文分享系列关注公众号CV技术指南.

参与评论您还未登录，请先登录后发表或查看评论

DD3D代码复现，docker环境下运行DD3D代码教程

我是一个小小的程序猿的博客

08-04

1866

3D目标检测的主要应用场景是，虽然现阶段基于点云的3D检测的性能不断提升，但相比于激光雷达高昂的成本以及在复杂天气下的敏感性，研究人员将目光投向了基于单目视觉的方案，因此单目3D检测逐渐成为了研究热点。DD3D是一个end-to-end、单阶段的基于单目视觉的3D检测模型，由于不靠点云，精度远不及多模态，但在单目视觉领域中遥遥领先，在KITTI目前榜前三。因此复现DD3D有一定的必要性，是熟悉DD3D源码最重要的一步，接下来我将分享近期复现DD3D模型的一些方法和心得，以及遇到的各种bug的解决方法。...

单目3D检测入门！从图像角度分析3D目标检测场景：MonoDLE

3D视觉工坊

02-10

1120

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨寒风来源丨自动驾驶之心点击进入—>3D视觉工坊学习交流群1简介MonoDLE是2021年发在CVPR上的一篇单目3D目标检测（以下简称单目检测）方向的文献。单目检测现在更多的成果还是以模仿激光雷达(DD3D)或者引入激光雷达辅助学习（CMKD，当前SOTA）的流派为主。而MonoDLE则显得更加“老派”，沿袭了SMOKE的纯视觉角...

DD3D:基于预训练的单目3D目标检测

3D视觉工坊

11-23

4375

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达来源丨CV研习社作者丨元气满满的打工人文章导读导读：3D目标检测的主要应用场景就是自动驾驶，虽然现阶段基于点云的3D目标检测的方法的性...

【论文解读】单目3D目标检测 DD3D（ICCV 2021）

黎国溥

10-20

2150

DD3D是一种端到端单阶段的单目3D目标检测方法，它在训练时用到了点云数据，监督深度图的生成，共享预测深度的特征提取层；推理时不用点云数据了，只需图像数据和相机内参，即可完成3D框的信息预测。这是预训练和共享权重的思路。

【论文阅读】ICCV2021|超分辨重建论文整理和阅读

Slow down, Keep learning and Enjoy life

03-28

7810

本文主要对ICCV2021中超分辨率重建相关论文进行整理与阅读。

ICCV 2021| OadTR: Online Action Detection with Transformers论文笔记

weixin_59340037的博客

03-31

3478

论文地址代码地址 1.研究背景目前对于在线行为检测倾向于使用RNN对时间依赖性进行建模，然而RNN存在非并行性和梯度消失问题，因此很难进行优化，在本文中我们提出了一种新的基于transformer的编码器解码器框架，叫做OadTR，编码能够捕获历史观察信息中关系以及进行全局交互，解码器通过聚和未来的片段表现来提取辅助信息，因此OadTR能够通过对历史信息编码以及对未来的上下文进行预测来识别现在的行为，我们在HDD,TVSeies,THUMOS14上评估了我们的数据集显示出我们的模型具有很高的训练和推理

ICCV 2025 | 3D-MOOD：让单目3D检测走向开放世界

最新发布

我爱计算机视觉

08-28

1272

而3D-MOOD提出的CI（右侧）通过同步调整内参，确保了3D几何投影的一致性。其思想是在预处理图像的同时，对相机内参进行相应的、显式的变换，从而将不同分辨率、不同焦距的图像统一到一个标准化的坐标空间中。更令人印象深刻的是，3D-MOOD能够直接应用于“野外”（in-the-wild）的互联网图像，并成功检测出各种物体的3D边界框，展示了其在真实世界场景中的巨大应用潜力。，一个有效的、端到端的解决方案，通过引入规范图像空间和几何感知的查询生成机制，显著提升了模型的泛化能力和3D定位精度。

DD3D: 开源单目3D物体检测项目介绍

gitblog_00913的博客

01-08

988

DD3D: 开源单目3D物体检测项目介绍 DD3D 是一个由 TRI-ML（Toyota Research Institute - Machine Learning）团队开发的官方 PyTorch 实现，旨在探索单目相机是否需要伪激光雷达（Pseudo-Lidar）进行3D物体检测的项目。该项目主要使用 Python 编程语言实现。项目基础介绍 DD3D 项目是在 ICCV 2021会议上发表的...

DD3D：单目3D目标检测中的伪激光雷达需求再探讨

gitblog_00464的博客

08-25

1006

DD3D：单目3D目标检测中的伪激光雷达需求再探讨在深度学习与自动驾驶技术迅速发展的当下，高效准确的3D目标检测成为了研究的热点。今天，我们向您隆重推荐一款开源项目——DD3D（Depth-based 3D Detection），该项目提出了一个引人思考的问题：“进行单目3D对象检测时，是否真的需要伪激光雷达（Pseudo-Lidar）？”本文将从项目介绍、技术分析、应用场景以及项目特点四个方面...

DD3D论文精读

unbekannten的博客

12-03

860

DD3D论文精读

Direct3D基础知识

逍遥剑客

12-26

4179

重新从头开始学习DX,以前太急于求成了,很多基础知识都没掌握就开始写程序了,结果出了问题很难解决. 1. D3D体系结构D3D与GDI处与同一层次,区别在于,D3D可以使用HAL(Hardware Abstraction Layer)通过DDI来访问图形硬件,充分发挥硬件性能.2. D3D设备对象2.1 D3D设备类型 H

【透视图像目标检测（4）】DD3D输出3D障碍物信息的过程

Hali_Botebie的博客

02-25

1875

观察角 α：障碍物中心在图像平面上的投影射线与相机光轴的夹角实际航向角 θ：障碍物前进方向与自车前进方向的夹角。θ表示障碍物前进方向与自车前进方向的夹角，直接影响碰撞风险判断（例如：θ=0°表示同向行驶，θ=180°表示逆向行驶）相对位置角 γ：障碍物中心在车辆坐标系中的方位角三者满足几何关系：α=θ+γ。

单目3D目标检测[基于深度辅助篇]

Talk is cheap, show me the code!

10-26

732

基于深度辅助的方法。

DD3D开源项目常见问题解决方案

gitblog_00471的博客

12-30

610

DD3D开源项目常见问题解决方案 DD3D是一个基于PyTorch的开源项目，主要研究在不使用伪激光雷达的情况下，进行单目3D物体检测的问题。该项目使用Python作为主要的编程语言。常见问题及解决方案 1. 项目基础介绍 DD3D项目旨在探索单目摄像头进行3D物体检测的可能性，挑战传统的需要伪激光雷达的3D检测方法。项目提供了完整的PyTorch实现，包含了数据集准备、模型训练、实验管理等模块...

DirectX 3D编程入门教程一 D3D对象及设备

湛蓝的天空下有一道美丽的影子

09-06

2033

一， D3D对象 ( D3D Object)主要讲述以下几方面的内容：1．关于D3D对象微软Direct3D时基于COM的对象和接口的，Direct3D编程的第一步必须建立这个对象。而且程序结束后，你必须最后释放该对象。2．建立D3D对象在DirectX8.0中，你可以用如下代码建立一个D3D对象：#include // 必须包含的头文件#include LPDIRECT3D8 g_lpD3D

Direct3D基础概念和模型整理

自由理想的足迹

11-14

4171

模型主要是物理组成，数据传输和固定图形管道模型；概念主要包括IDirect3D, Adapter, Device, swap chain,surface后台缓存、前台缓存、深度和模板缓存，资源，资源类型_D3DRESOURCETYPE，格式_D3DFORMAT，资源存放的内存区域Pool，资源的使用标识Usage。 0.图形模型 1) 显卡物理组成和数据传输：基本物理组成模型： (

论文翻译：《DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries》

Sual

10-19

7441

DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries 这篇论文的四个作者分别来自麻省理工学院、丰田研究院、卡耐基梅隆大学、理想汽车，最近被CORL 2021接收。论文链接：https://export.arxiv.org/abs/2110.06922 官方开源代码：https://github.com/WangYueFt/detr3d Abstract 我们介绍了一种用于多相机3D目标检测的框架。现

ICCV2021 Submission7567 3D点云补全源码实现

该项目“ICCV2021_Submission7567”聚焦于基于深度学习的点云补全任务，其核心目标是从不完整或稀疏的输入点云数据中恢复出完整且几何合理的三维形状。该工作的源代码实现依托于PyTorch深度学习框架，并结合CUDA加速...