#775
summarized by : 福沢栄治
Train in Germany, Test in the USA: Making 3D Object Detectors Generalize

どんな論文か?

自動運転の領域では、深層学習により、LiDARおよびステレオカメラデータの3Dオブジェクト検出精度が大幅に向上しました。ただ、明るさ、車のサイズ、モデルなどによりよく間違ったケースも存在しています。一方、自動運転のほとんどのデータセットは、1つの国の都市の狭いサブセット内で収集されます。この論文では、3Dオブジェクト検出器を1つのデータセットから別のデータセットに適応させるタスクを検討しました。
placeholder

新規性

この論文の手法は簡単で、ほとんどの3Dオブジェクト検出フレームワークに簡単に組み込むことができます。かつ、自動運転に最も広く使用されている3D物体検出データセットの標準化された形式を初めて提供しました。

結果

自動運転車の環境と、それらが3D検出器の性能にどのように影響するかの間のドメインの違いの広範な評価を提示しました。かつ、簡単に取得できる車のサイズの集計統計を使用してこの問題を軽減する簡単で効果的なアプローチを示し、結果としてクロスデータセットのパフォーマンスが劇的に向上することを示しています。

その他(なぜ通ったか?等)