PV-RCNN++是PVRCNN的升级版，针对3D目标检测效率进行了优化。文章中提到，PVRCNN的主要瓶颈在于point-based network，因此引入了SPC（Sample Proposal Center）策略，通过预测提案选择靠近物体的点，减少FPS计算的点数，并按角度划分进一步优化。此外，为了改进voxel特征聚合，提出了VectorPool aggregation，它使用局部向量表示来保持相对位置信息，避免了radiusNN和MLP导致的计算延迟。在KITTI上，PV-RCNN++实现了每帧0.06秒的运算速度。
论文：PV-RCNN++: Point-Voxel Feature Set Abstraction With Local Vector Representation for 3D Object Detection
PVRCNN的作者又放出了PVRCNN++，主要在效率上做了改进。
PV-RCNN++
本文首先介绍了PVRCNN，然后基于PVRCNN的框架介绍了PVRCNN++的改进。PVRCNN就不介绍了，可以详见另一篇博客。
PVRCNN速度慢主要是慢在了point-based network这个部分。PVRCNN对做了如下改进。
SPC
FPS比较慢，因为FPS是 O ( n 2 ) O(n^2) O(n
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
