文章预览
作者 | 自动驾驶Daily 编辑 | 自动驾驶Daily 点击下方 卡片 ，关注“ 自动驾驶之心 ”公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 >> 点击进入→ 自动驾驶之心 『 BEV感知 』 技术交流群 本文只做学术分享，如有侵权，联系删文 本篇介绍近期由KargoBot（卡尔动力）和北京交通大学联合发表在顶刊IJCV上的一篇BEV检测和跟踪的文章Cyclic Refiner: Object-Aware Temporal Representation Learning for Multi-View 3D Detection and Tracking. Motivation 从nuScenes的榜单上我们可以看到，当前主流的SOTA BEV检测算法都依赖时序融合。不同的策略诸如BEVFormer中多帧拼接后做Deformable Attention，SparseBEV中将object query投到不同历史帧做特征采样被引入。然而很少有文章去讨论这些时序融合带来的负面影响。 回顾最近的相关方法，我们观察到这些模型通常以“顺序”的方式构建整个时序融合模型
………………………………
