ICCV2023 | MonoNeRD: NeRF-like Representations for Monocular 3D Object Detection

翻自    https://arxiv.org/pdf/2308.09421.pdf 

           DeepL Translate: The world's most accurate translator

MonoNeRD: NeRF-like Representations for Monocular 3D Object Detection

Abstract 摘要
        在单目三维检测领域，通常的做法是利用场景几何线索来提高检测器的性能。然而，许多现有作品都明确采用了这些线索，如估计深度图并将其反向投影到三维空间。由于从二维到三维的维度增加，这种显式方法会导致三维表示的稀疏性，从而导致大量信息丢失，尤其是对于远处和被遮挡的物体。为了缓解这一问题，我们提出了 MonoNeRD，这是一种新颖的检测框架，可以推断出密集的三维几何图形和占位情况。具体来说，我们用符号距离函数（SDF）对场景进行建模，从而有助于生成密集的三维表征。我们将这些表示法视为神经辐射场（NeRF），然后采用体积渲染来恢复 RGB 图像和深度图。据我们所知，这项研究首次为 M3D 引入了体积渲染技术，并展示了隐式重建技术在基于图像的 3D 感知方面的潜力。在 KITTI-3D 基准和 Waymo 开放数据集上进行的大量实验证明了 MonoNeRD 的有效性。代码可在 https: //github.com/cskkxjk/MonoNeRD 上获取。