【前沿热点顶会】NIPS 2024中目标检测有关的论文

平安顺遂事事如意

已于 2024-10-02 11:56:37 修改

阅读量2.2k

点赞数 21

分类专栏：顶刊顶会论文合集文章标签：计算机视觉目标检测目标跟踪人工智能机器学习 2024 nips

于 2024-10-02 11:11:19 首次发布

本文链接：https://blog.csdn.net/A_Student10000/article/details/142678984

版权

迈向灵活的 3D 感知：以对象为中心的占领完成增强长序列的 3D 目标检测

虽然 3D 对象边界框(BBox)表示在自动驾驶感知中得到了广泛的应用，但它们缺乏捕捉对象内部几何形状的复杂细节的能力。最近，占有（occupancy）已经成为 3D 场景感知的一种很有前途的替代方案。然而，由于计算的限制，构建高分辨率的占用地图对于大型场景仍然是不可行的。认识到前景对象比背景元素更重要，但只占据场景的一小部分，我们引入了以对象为中心的占用作为对象 bbox 的补充。这种表示不仅为检测到的物体提供了复杂的细节，而且在实际应用中还允许更高的体素分辨率。我们从数据和算法两个角度推进了以对象为中心的占有感的发展。

有理论保证的无监督目标检测

使用深度神经网络的无监督目标检测通常是一个困难的问题，对于学习的表示几乎没有保证。在这项工作中，我们提出了第一种无监督目标检测方法，该方法在理论上保证可以恢复到可量化的微小位移的真实目标位置。我们开发了一种无监督的目标检测体系结构，并证明了学习的变量对应于真实的目标位置，直到与编码器和解码器的接受场大小、目标大小和渲染过程中使用的高斯宽度相关的小偏移。我们对误差如何依赖于这些变量进行了详细的分析，并进行了合成实验，以验证我们的理论预测，精度高达单个像素。