用于目标检测的半自动视频标注

点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达

小白导读

论文是学术研究的精华和未来发展的明灯。小白决心每天为大家带来经典或者最新论文的解读和分享，旨在帮助各位读者快速了解论文内容。个人能力有限，理解难免出现偏差，建议对文章内容感兴趣的读者，一定要下载原文，了解具体内容。

摘要

大多数现有的基于点云的3D对象检测器使用类似卷积的操作符在一个固定权重的核中处理信息，并分层聚合全局上下文。然而，最近关于2D视觉的非局部神经网络和自我注意的研究表明，明确地建模全局环境和位置之间的远程交互可以导致更稳健和更具竞争力的模型。在本文中，我们通过使用自我注意特征增强卷积特征，探索了两种自我注意变量用于3D物体检测中的上下文建模。我们首先将成对自我注意机制整合到目前最先进的BEV、体素和基于点的检测器中，并显示出与强基线模型相比的一致改进，同时显著减少了它们的参数足迹和计算成本。我们还提出了一种自我注意变量，它通过学习变形在随机抽样的位置上抽样最具代表性的特征子集。这不仅允许我们将显式的全局上下文建模扩展到更大的点云，而且还导致更有区别性和更有信息的特征描述符。我们的方法可以灵活地应用于大多数最先进的探测器，提高了精度、参数和计算效率。我们在KITTI和nuScenes数据集上实现了新的最先进的检测性能。

论文代码：http