weixin_52943714的博客

原创 Bridged Transformer for Vision and Point Cloud 3D Object Detection

幸运的是，我们提出的BrT在不增加太多复杂性的情况下，具有天然的优势，可以将点云与多视图图像结合起来，从而可以利用点图像的交互和多视图图像的交互来进一步提高性能。另外，作者采用了2K个可学习的查询对象（learnable object queries，也就是图像预处理时用到的），K个点云处理的，K个图像处理的。这部分的目标是基于同时感知3D和2D坐标的条件对象查询，旨在通过两种不同的组件来实现三维点云和二维图像的关联：一种是通过关注连接，另一种是通过使用共享的位置嵌入（PE）来对齐三维和二维对象查询。