#603
summarized by : Yuki Kohara
Not All Points Are Equal: Learning Highly Efficient Point-Based Detectors for 3D LiDAR Point Clouds

どんな論文か?

点群物体検出において、新規のダウンサンプリング戦略を提案した。本論文のサンプリング戦略は、FPSやランダムサンプリング等の従来のダウンサンプリング手法が細かいオブジェクト(歩行者等)の予測を困難にしていることに対する提案である。また、中心点予測を改善する手法も提案している。
placeholder

新規性

サンプリング戦略では、前景点とバウンディングボックスの中心に近い点をサンプリングすることを目的とした手法が新規提案された。各層でどの点を残すか予測するMLPブランチを追加し、ブランチに対して上記の点を残すための損失を設けることで、このサンプリング戦略を実現している。中心点予測の改善では、損失への正則化項追加、予測に利用する周囲点の増量、中心予測のためのモジュール追加を行っている。

結果

KITTIを用いたテストでは、高い精度を保ちつつも早い処理速度を実現している(検証もRTX2080Tiと一般的なGPUで行っている)。Waymoデータセット、ONCEデータセットでも精度が良好であることを確認した。

その他(なぜ通ったか?等)