视觉3D目标检测
文章平均质量分 95
Maples丶丶
Be quiet, be curious and be stronger.
展开
-
论文阅读:《Rethinking Pseudo-LiDAR Representation》
该论文是商汤2020年发表在ECCV上的一篇论文。2018年的CVPR论文《Pseudo-LiDAR From Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving》使用视觉伪点云来进行单目3D目标检测,获得了大幅性能提升,并将性能提升归因为数据表达形式。商汤在该论文中提出了不一样的观点。原创 2022-03-27 21:26:57 · 5755 阅读 · 2 评论 -
论文阅读:《Bridging the Gap in 3D Object Detection for Autonomous Driving》
该论文是康奈尔大学2018年在CVPR发表的一篇论文,时间虽然有点久远,但算得上单目3D检测中“视觉伪点云流派”的开山鼻祖了,是篇值得一读的经典论文。论文链接: https://arxiv.org/abs/1812.07179论文源码: https://github.com/mileya原创 2022-03-26 22:01:47 · 5545 阅读 · 0 评论 -
论文翻译:《DN-DETR: Accelerate DETR Training by Introducing Query DeNoising》
该论文已被CVPR2022接收,作者团队由香港科技大学、IDEA、清华大学组成。但论文源码暂未公开,只提供了一个Github主页。论文链接:https://arxiv.org/abs/2203.01305官方代码:https://github.com/FengLi-ust/DN-DETR官方解读:https://www.zhihu.com/question/517340666/answer/23813043991. Abstract 我们在这篇论文中提出了一种全新的降噪训练方法来加原创 2022-03-20 21:54:25 · 5553 阅读 · 0 评论 -
论文阅读:《PETR: Position Embedding Transformation for Multi-View 3D Object Detection》
这篇论文对应NuScenes纯视觉榜三方法PETR,旷视科技于2022年3月上传至arXiv。PETR是DETR3D的改进,在没有外部训练数据的情况下,性能已经优于DETR3D。原创 2022-03-19 14:46:15 · 15173 阅读 · 4 评论 -
论文翻译:《DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries》
DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries 这篇论文的四个作者分别来自麻省理工学院、丰田研究院、卡耐基梅隆大学、理想汽车,最近被CORL 2021接收。论文链接:https://export.arxiv.org/abs/2110.06922官方开源代码:https://github.com/WangYueFt/detr3dAbstract 我们介绍了一种用于多相机3D目标检测的框架。现原创 2021-10-19 23:59:58 · 6134 阅读 · 6 评论