文章预览
MaskBEV: Towards A Unified Framework for BEV Detection and Map Segmentation 论文： https://arxiv.org/abs/2408.09122 MaskBEV 是由来自复旦大学的研究团队提出的一种先进的多任务学习框架，旨在实现3D物体检测和鸟瞰图（BEV）地图分割的统一处理。 该框架通过引入任务不可知的Transformer解码器，突破了传统多任务学习方法中任务头设计的局限性，允许在统一的解码器中完成多任务学习，从而提高了任务间的互补学习能力和整体性能。MaskBEV 特别强调空间调制和场景级上下文聚合策略，这些策略充分利用了BEV地图分割和3D物体检测任务之间的内在依赖性，进一步提升了多任务学习的性能。 MaskBEV 的创新之处在于其掩码注意力机制，它能够将注意力集中在以潜在查询为中心的局部特征上，并通过多任务掩码的联合来引导基于查询的特征学习。此外，框架中的场景级特征聚合模块
………………………………
