3Dオブジェクト検出のための高密度ボクセル融合【JST・京大機械翻訳】

Mahmoud Anas; Hu Jordan S. K.; Waslander Steven L.

プレプリント

J-GLOBAL ID：202202213258654550 整理番号：22P0297521

3Dオブジェクト検出のための高密度ボクセル融合【JST・京大機械翻訳】

Dense Voxel Fusion for 3D Object Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月01日プレプリントサーバーでの情報更新日： 2022年10月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

CameraとLiDARセンサモダリティは,自律車両アプリケーションのための3Dオブジェクトを検出するのに有用な補足的な外観と幾何学的情報を提供する。しかし,現在のエンドツーエンド融合法は,最先端のLiDARのみの検出器を訓練し,アンダーフォームするのが難しい。逐次融合法は,ポイントクラウドスパース性のため,限られた数のピクセルと点対応に悩まされ,それらの性能は,モダリティの1つの検出によって厳密にキャップされる。提案した解決策,高密度ボクセル融合(DVF)は,マルチスケール高密度ボクセル特徴表現を生成する逐次融合法であり,低点密度領域における表現性を改善する。マルチモーダル学習を強化するために,著者らは,ノイズのある検出器特異的2D予測を避けて,投影されたグランドトルース3D結合ボックスラベルによって直接訓練した。DVFとマルチモーダル訓練アプローチは,任意のボクセルベースLiDARバックボーンに適用できる。DVFは,追加訓練可能パラメータを導入することなく,また立体画像または高密度深さラベルを必要とせずに,KITTI 3D自動車検出ベンチマークに関する公開融合法の中で3番目にランクする。さらに,DVFはWaymo Open Datasetにおけるボクセルベースの方法の3D車両検出性能を著しく改善する。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般

, , , ,

前のページに戻る