CRT-Fusion is a novel framework that improves the accuracy and robustness of 3D object detection by fusing camera and radar data while incorporating temporal information about object motion.
서로 다른 도메인의 포인트 클라우드 데이터에서 학습하여 단일 모델로 다양한 3D 객체 감지 작업을 수행할 수 있는 범용 3D 객체 감지 모델 OneDet3D를 소개합니다.
This paper introduces OneDet3D, a novel 3D object detection model capable of generalizing across diverse indoor and outdoor datasets with a single set of parameters, addressing the limitations of existing detectors restricted to single-domain training.
GAFusion이라는 새로운 3D 객체 감지 방법을 제안하며, 이 방법은 LiDAR 및 카메라 센서 데이터를 효과적으로 융합하여 정확하고 강력한 3D 객체 감지를 가능하게 합니다.
LiDARとカメラの両方の利点を活用した、より正確で堅牢な3Dオブジェクト検出のための、複数ガイダンスを用いた新しいLiDAR-カメラ融合手法であるGAFusionを提案する。
본 논문에서는 라이다 데이터에서 개방형 3D 객체 탐지 문제를 이상 탐지(OOD) 문제로 재정의하여 기존 객체 탐지 모델의 성능 저하 없이 알려지지 않은 객체를 탐지하는 방법을 제시합니다.
為了解決跨域部署中多視角 3D 物體偵測模型的泛化問題,本文提出了統一域泛化和適應(UDGA)框架,該框架利用多視角重疊深度約束來提高幾何一致性,並採用標籤高效域適應方法,以最少的標註實現高效的域遷移。
본 논문에서는 다양한 카메라 시점에서 단안 3D 객체 탐지 성능을 평가하기 위해 새로운 드론 뷰 데이터셋인 CDrone을 제시하고, 효과적인 데이터 증강 기법인 GroundMix를 개발하여 기존 방식의 한계를 극복하고자 합니다.
Kaninfradet3D는 도로변 3D 인식 작업에서 카메라-LiDAR 융합 성능을 향상시키기 위해 KAN(Kolmogorov-Arnold Networks) 기반 인코더 및 CrossAttn 모듈을 활용하여 비선형 특징 추출 및 융합 성능을 개선한 모델이다.
Kaninfradet3D, a novel roadside 3D perception model, leverages Kolmogorov-Arnold Networks (KANs) and a cross-attention mechanism to effectively fuse camera and LiDAR data, significantly improving accuracy in roadside 3D object detection.