超级会员免费看
本文介绍了计算机视觉领域的最新3D目标检测论文，涉及SASA、BtcDet、CG-SSD、Multi-view Framework和Ret3D。SASA通过语义信息增强采样策略提高点云检测准确性；BtcDet通过预测遮挡形状改善检测效果；CG-SSD利用角落信息进行单阶段检测；Multi-view Framework结合全景分割提升BEV检测性能；Ret3D则探讨了目标间关系对3D检测的贡献。
以下内容是对专栏：https://www.zhihu.com/column/c_1370398704629858304的笔记记录
1. SASA
paper：《SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection》（2022AAAI）
结构图：
动机：
一般而言，SA模块先选择keypoints，再根据每个keypoints的周围点编码context representations。然而，在选择keypoints时，现有的采样策略通常以距离作为标准（如D-FPS、F-FPS），来选择较远的点来尽可能覆盖整个场景，但是这样会导致keypoints包含过多的背景点，从而导致pedestrian等点云数较少的object漏检。
通过引入point-wise语义信息，避免SA模块选择较多的背景点，提出了S-FPS采样策略。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
