Core Concepts
本論文は、無人監視下での3D物体検出のために、高品質の境界ボックスと密な点群を持つ常識的プロトタイプを構築する手法を提案する。この手法は、低品質の疑似ラベルを常識的プロトタイプのサイズ情報を用いて改善し、疎な点群の物体の検出精度を幾何学的知識から向上させる。
Abstract
本論文は、無人監視下での3D物体検出のための新しい手法を提案している。
初期の疑似ラベルを生成するために、マルチフレームクラスタリング(MFC)手法を開発した。これにより、高リコール率の初期ラベルを得ることができる。
完全にスキャンされた物体から高品質の常識的プロトタイプ(CProto)を構築し、不完全な物体の疑似ラベルを常識的プロトタイプのサイズ情報を用いて改善する手法(CBR)を提案した。これにより、疑似ラベルの精度が大幅に向上した。
CProtoの幾何学的知識を活用して、疎な点群の物体の検出精度を向上させるCProto制約自己学習(CST)手法を開発した。これにより、全体的な検出性能が大幅に向上した。
提案手法は、Waymo Open Dataset、PandaSet、KITTIデータセットで最先端の無人監視3D物体検出手法を大きく上回る性能を示した。特に、Waymo Open Datasetの車両クラスでは、完全教師あり手法に迫る性能を達成した。
Stats
65%の物体が完全にスキャンされておらず、正確な疑似ラベルを生成できない
完全にスキャンされた物体と不完全な物体のサイズ分布は類似している
隣接する静止物体は連続フレームで高い完全性を持つ
Quotes
"物体は通常地面上に位置し、一定の形状を持つ; 物体のサイズは各フレームで一定である。"
"65%の物体が完全にスキャンされておらず、疑似ラベルの位置とサイズに誤りが生じ、検出性能が低下する。"