PETR : Transformation de l'embedding de position pour la détection 3D multi-vues d'objets

Dans cet article, nous proposons une transformation d’encodage de position (PETR) pour la détection 3D d’objets à plusieurs vues. PETR intègre les informations de position des coordonnées 3D dans les caractéristiques d’image, générant ainsi des caractéristiques 3D sensibles à la position. Les requêtes d’objets peuvent percevoir ces caractéristiques et effectuer une détection d’objets end-to-end. PETR atteint des performances de pointe (50,4 % de NDS et 44,1 % de mAP) sur le jeu de données standard nuScenes et se classe en première position sur le benchmark. Elle peut servir de base simple mais puissante pour les recherches futures. Le code est disponible à l’adresse suivante : \url{https://github.com/megvii-research/PETR}.