- 博客(7)
- 收藏
- 关注
RSS订阅原创 ICCV2023：HoP 即插即用时间增强范式
一种新的3D检测范式HoP，它可以在多视图3D检测中更有效地利用时间信息。首先，作者精心设计了长短期时间解码器，它可以在不需要t-k时刻相机图像的情况下生成该时刻的伪BEV特征。短期时间解码器处理t-k时刻的相邻帧，提供目标的空间语义；长期时间解码器处理多个帧，提供对短期解码器空间定位能力的补充。然后，利用生成的伪BEV特征，使用目标解码器预测目标。
2023-08-06 21:39:06
290
原创 CVPR2023: TPV 用于视觉3D语义占用预测的新的表示方式
准确、全面地感知3D环境在自动驾驶系统中起着重要的作用。3D环形感知的核心在于如何有效地表示3D场景。传统的方法将3D空间分割成体素，并为每个体素分配一个向量作为体素的特征。虽然体素表示的准确率很高，但它的存储成本和计算成本太大而且还需要专门的技术比如稀疏卷积。在3D空间中，高度维度所包含的信息少于其他两个维度，现代的方法主要关注信息变化最大的地平面（鸟瞰图），它们在每个BEV网格的向量表示中隐式的编码3D信息。
2023-08-01 16:47:37
279
原创 AAAI2022: Anchor DETR 基于锚点的object query设计
Anchor DETR 基于锚点的object query设计
2023-07-27 12:07:58
354
1
原创 ECCV2022：PERT 一种简单而优雅的多视图3D目标检测解决方案
新的用于多视图3D目标检测的3D位置感知表征以及简单而优雅的多视图3D目标检测框架
2023-07-20 20:30:07
134
1
原创 PERT代码复现
用的 windows 系统，创建链接。单独拷贝文件夹 v1.0-trainval。数据集，若需要请自行配置。生成数据集信息过慢，可从。下载速度慢的话，可从。
2023-07-20 20:17:55
275
1
原创 ECCV2022 ：BEVFormer 基于时空 Transformer 学习 BEV 表征
目前存在的问题：1）流行的框架是基于深度信息的（LSS）生成BEV特征的，这种范式对深度值或深度分布的准确性很敏感。因检测性能会受到符合误差的影响，BEV特征不准确会严重影响最终的性能。2）现有的多相机目标检测方法很少利用时间信息，简单堆叠不同时刻的BEV特征会带来额外的计算代价和推理信息，效果并不理想。基于以上两点，本文作者选用了Transfomer动态聚合有价值的特征，利用BEV特征循环传递过去到现在的时间信息。
2023-07-15 13:29:30
156
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人