登入
洞見 - 三維物體偵測
基於運動資訊的相機、雷達、時間融合三維物體偵測：CRT-Fusion
CRT-Fusion 是一種新穎的三維物體偵測框架，透過整合相機、雷達和時間資訊，特別是動態物體的運動資訊，來提高偵測的準確性和穩健性。
萬物歸一：基於點雲的三維物體偵測多領域聯合訓練
本文提出了一種名為 OneDet3D 的新型三維物體偵測模型，該模型能夠透過多領域聯合訓練，使用單一模型架構和參數集，對室內和室外場景中的點雲數據進行三維物體偵測。
CVCP-Fusion：基於隱式深度估計的三維邊界框預測研究
本文提出了一種名為 CVCP-Fusion 的新型三維物體偵測模型，該模型結合了相機視圖和激光雷達數據，並嘗試利用隱式深度估計進行三維邊界框預測，然而研究結果顯示，隱式深度估計在三維空間中可能不夠精確，需要進一步的研究和改進。
漸進式多模態融合實現穩健的 3D 物體偵測
本文提出了一種名為 ProFusion3D 的新型 3D 物體偵測架構，該架構採用漸進式融合策略，結合了來自 LiDAR 和相機數據的多個視圖和階段的特徵，並透過自我監督的多模態遮罩建模預訓練策略來增強效能，特別是在標註數據有限的情況下。
© 2024 by Linnk AI