PointPainting

---

前言

问题：多模态数据提供了互补信息，一般来说要比单模态好。然而，令人惊讶的是，Lidar-only的方法在一些主要的benchmark上甚至超与了多模态融合的方法。这个是不是意味者lidar在3D目标的感知上已经冗余了视觉呢？

作者对比了图像和点云之间的信息差异，还是很明显的看出来，图像要比激光给出了更多的语义信息。作者就怀疑，是不是之前的融合方式存在问题。

一、背景介绍

• Object-centric fusion
  将点云投影到BEV下和图像进行融合，代表作MV3D、AVOD。
  点云转BEV的方法点云转BEV之后，仍然与前视的视角存在差异，可能会存在融合问题

• Continuous Feature Fusion
  连续特征融合，代表工作ContFuse，相比之前的方法，使用了KNN获取特征，增强了BEV的特征。

• Explicit Transform
  使用了变换，将点云进行补全操作，增加了更多深度信息，让点云更加稠密。代表作 Pseudo-lidar point cl