- …
- …
#65
summarized by : Naoya Chiba
どんな論文か？
LiDARが完全な一周分のスキャンを終えることを待たずに点群をストリーミングデータとして扱うことで，低レイテンシ・低計算コストな物体検出手法を提案．PointPillarsとStarNetをベースライン手法とし，スキャンを時系列的なスライスに分割して処理/LSTMによるコンテキストの保持/NMSのスライス対応を行うことでストリーミング化できる．
新規性
既存の手法から大きく変更することなく，点群をストリーミングで扱うというアイデアだけで自動運転に適した性能（低レイテンシ・低計算コスト）になる．入力を単にストリーミングデータにするだけでは性能が低下することを確認した上で，提案する各構造を導入することで性能が回復（場合によっては既存手法より高スコア化）することを示した．
結果
Waymo Open Datasetで検証．提案法の各要素を一つづつ追加したときの性能向上を示し，低レイテンシでありながらベースライン手法と遜色ない物体検出が可能であることを示した．さらに大きなモデルを用いるとベースライン手法を超えた物体検出性能を達成した．
その他（なぜ通ったか？等）
LiDARの構造に着目したシンプルなアイデアで，低レイテンシ化という自動運転の文脈では重要な改善を行った．
- …
- …