可变形PV-RCNN：通过学习变形提升3D目标检测性能

我们提出了Deformable PV-RCNN，这是一种高性能的基于点云的三维目标检测器。当前，先进两阶段检测器所采用的候选框精炼方法难以有效应对不同物体尺度、点云密度差异、局部形变以及场景杂乱等问题。为此，我们提出了一种受二维可变形卷积网络启发的候选框精炼模块，能够自适应地从富含信息的区域中提取具有实例特性的特征。此外，我们还设计了一种简洁的上下文门控机制，使关键点能够在精炼阶段自主选择相关上下文信息。实验结果表明，该方法在KITTI数据集上达到了当前最优的检测性能。