3D目標檢測

1 Rethinking Pseudo－LiDAR Representation

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

機構：悉尼大學，商湯科技

簡介：最近提出的基于偽激光雷達的三維探測器大大提高了單目／立體三維探測任務的基準。然而，研究界對其潛在的機制仍不甚清楚。本文對偽激光雷達的數(shù)據(jù)表示進行了深入研究，發(fā)現(xiàn)偽激光雷達表示的有效性來自于坐標變換，而不是數(shù)據(jù)表示本身。在此基礎上，作者設計了一種基于圖像的CNN探測器Patch－Net，它是一種更通用的、可以實例化為基于偽激光雷達的3D探測器。此外，本文的PatchNet中的偽激光雷達數(shù)據(jù)被組織為圖像表示，這意味著現(xiàn)有的2D CNN設計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檢測性能。作者在具有挑戰(zhàn)性的KITTI數(shù)據(jù)集上進行了大量的實驗，其中提出的PatchNet優(yōu)于所有現(xiàn)有的基于偽激光雷達的同類產(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

機構：MIT，Google

簡介：本文提出了一種簡單靈活的自動駕駛目標檢測框架。在觀察到該應用中的點云非常稀疏的基礎上，提出了一種實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特征學習中加入了柱面投影，預測了每個柱而不是每個點或每個錨點的邊界盒參數(shù)，并且包含了一個對齊的柱到點投影模塊來提高最終預測。本文的無錨方法避免了與以往方法相關的超參數(shù)搜索，簡化了三維目標檢測，同時顯著提高了最先進的水平。

3 EPNet： Enhancing Point Features with Image Semantics for 3D Object Detection

作者：Tengteng Huang，Zhe Liu，Xiwu Chen，Xiang Bai

機構：華中科技大學

簡介：本文針對三維檢測任務中的兩個關鍵問題，即多傳感器（即LiDAR點云和相機圖像）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，對具有語義特征的點特征進行逐點增強。此外，使用一致性強制損失來明確鼓勵本地化和分類可信度的一致性。作者設計了一個端到端的可學習框架EPNet來集成這兩個組件。在KITTI和SUN－RGBD數(shù)據(jù)集上進行的大量實驗證明了EPNet優(yōu)于最先進的方法。

視頻目標檢測

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

機構：騰訊

簡介：將現(xiàn)有的基于圖像的檢測器轉(zhuǎn)移到視頻中是非常重要的，因為部分遮擋、罕見姿勢和運動模糊會導致幀質(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，直接將圖像級光流應用于高層特征可能無法建立精確的空間對應關系。為此，提出了一種新的可學習時空采樣（LSTS）模塊來準確地學習相鄰幀特征之間的語義級對應關系。首先對采樣點進行隨機初始化，然后迭代更新，在檢測監(jiān)督的指導下逐步尋找更好的空間對應關系。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）模塊來建模時間關系和增強每幀特征。該方法在imagenetvid數(shù)據(jù)集上實現(xiàn)了最先進的性能，計算復雜度和實時速度都很低。

AMiner 會議智圖開放平臺 ECCV 2020 專題了解會議的精彩內(nèi)容，其內(nèi)容包括論文、作者、華人學者、一作華人學生、論文 PPT 和視頻等多維分析服務，是參會學者的會議智能助理。