- …
- …
#122
summarized by : Naoya Chiba
どんな論文か？
車載LiDAR点群を想定した三次元物体検出手法の提案．物体検出に適したコンパクトでロバストなシグネチャを陽に求めることで物体検出の性能向上を目指す．PointPillarsで入力点群を処理し，FPNのアイデアでピラミッドエンコーディング，物体の大きさを考慮したグループ化Headで物体検出を行う．物体クラス・Bounding Boxと合わせて物体のシグネチャを推定するように学習する．
新規性
Hand CraftedなアプローチでLiDAR点群からの物体検出の性能向上を実現．形状の対称性を仮定して全周補完を行ってから三面に投影し点群を凸包で近似，これにより不完全で疎な計測に対してロバストになる．その後極座標で記述しチェビシェフ多項式フィッティングを行い，係数を特徴量として利用する．
結果
NuScenesとLyft Datasetで学習・評価．mAPを厳密にしたmAP-3Dを導入し評価基準として用いた．点群のみを用いる手法としては高い性能，Painting (LiDAR&RGB)と比較してもクラス次第では優れた性能を達成．バックボーンをSecondに変更しても提案法による性能向上を確認した．
その他（なぜ通ったか？等）
Hand Craftedな特徴量を推定するロス関数を追加することで，これをソフトな制約として利用し推定性能を向上させるというアイデアが面白い．
https://github.com/xinge008/SSN
- …
- …