EA-LSS：面向3D BEV目标检测的边缘感知Lift-splat-shot框架

近年来，基于Lift-Splat-Shot（LSS）的3D目标检测方法取得了显著进展。然而，不准确的深度估计仍是制约纯摄像头模态及多模态3D目标检测模型精度的重要瓶颈，尤其是在深度变化剧烈的区域（即“深度跳跃”问题）。本文提出了一种新型的边缘感知Lift-Splat-Shot（Edge-aware Lift-Splat-Shot, EA-LSS）框架。具体而言，我们设计了边缘感知深度融合（Edge-aware Depth Fusion, EADF）模块，以缓解“深度跳跃”问题；同时引入细粒度深度（Fine-grained Depth, FGD）模块，进一步加强对深度估计的精细化监督。所提出的EA-LSS框架可兼容任意基于LSS的3D目标检测模型，并在几乎不增加推理时间的前提下显著提升模型性能。在nuScenes基准测试上的实验结果表明，EA-LSS在纯摄像头模态与多模态模型中均表现出色。值得一提的是，EA-LSS在nuScenes测试集上取得了当前最优性能，平均精度（mAP）和检测得分（NDS）分别达到76.5%和77.6%。