本文发表在2021WACV.
WACV是 IEEE Winter Conference on Applications of Computer Vision缩写,根据谷歌学术显示在 Computer Vision & Pattern Recognition 领域, WACV是排在CVPR\ICCV\ECCV\BMVC之后的较高质量的国际会议。
WACV 2021 为今年CV领域第一个较有影响力的学术会议,在1月5-9日举行,同样为网络虚拟会议,共录用论文406篇。相比于 WACV 2020 录用论文378,今年录用增长7.4%。
聚焦于图片和点云的融合,认为两者模态可以很好的互补,图片有更多的语义信息,而点云专用于遥感。本文是个两阶段的多模态融合网络,使用了双目图像和原始点云作为输入。
第一阶段主要目的是通过稀疏点云的特征融合产生3D候选框,第二阶段主要融合2D和3D候选框区域的密集特征,还提出了一种数据增强方法来增强点云密度,防止遥远的目标因过少的点而导致识别遗漏。数据集是KITTI。
一阶段就是产生框,二阶段融合roi区域来学习更鲁棒的表征并预测最后的置信度和框的微调。