LsSInst: 改进基于 LSS 的 BEV 感知中的几何建模与实例表示 !

文章预览

随着自动驾驶中仅依靠相机的3D目标检测受到关注，基于鸟瞰视角（BEV）表示的方法，特别是从前视转换范式派生出的lift-splat-shoot（LSS）方法，近年来取得了显著进展。 由基于深度分布预测的截面基于的BEV表示的理想，可用于从多视图图像学习道路结构和场景布局。 然而，为了保持计算效率，如分辨率和轴向的压缩BEV表示必然在保留个体几何细节方面较弱，这削弱了方法论的通用性和适用性。因此，为了弥补缺失的细节并利用多视图几何约束，作者提出LSSInst，这是一个结合BEV和实例表示的两阶段目标检测器。 所提出的检测器利用可以灵活集成到现有LSS-基于BEV网络的细粒度像素级特征。 然而，由于两个表示空间之间的固有差异，作者设计BEV到实例语义连贯的实例 Adapter ，而不是直接传递 Proposal 。 在大量实验中，作者提出的框架表现出出色的泛 ………………………………