M3D-RPN
Post 3D–>2D Optimization
- 下图是M3D-RPN优化旋转角的方法
- 其优化角度的方式挺不错的,严格利用了3d框投影在图像上的8个角点会与2D框重合
- 该优化旋转角的方式,是否适合depth估计的迭代优化,即大致流程如下:
d_init = predict() d_init_1 = d_init + sigma d_init_2 = d_init - sigma ... ### 用d_init_1, d_init_2, 找一个度量来衡量其loss(在本论文中使用的方法是3d框投影在图像上的8个角点会与2D框重合程度)
Depth Aware 作用
- 在3D中非常有效果
- Post Optimization 能够提高IOU
- 2d检测更依赖全局feature
- class 和3d检测更依赖局部特征
2D/3D anchor
- 其实就是一个个template, 该template在图像中的scale与深度有关,而对于不同的目标的category,它们的scale分布也有所不同
- 这片文章最主要说明的是:在单目3D中,目标的深度与目标在图像中的Scale紧密相关.