DetZero : Réflexion sur la détection d'objets 3D hors bord avec des nuages de points séquentiels à long terme

Les détecteurs 3D hors-bord existants suivent toujours une conception de pipeline modulaire afin de tirer parti des nuages de points séquentiels illimités. Nous avons constaté que le potentiel complet des détecteurs 3D hors-bord n'est pas pleinement exploité principalement en raison de deux raisons : (1) le suiveur d'objets multi-objets à bord ne peut pas générer des trajectoires d'objets suffisamment complètes, et (2) l'état de mouvement des objets pose un défi inévitable pour la phase de raffinement centrée sur l'objet lorsqu'il s'agit d'exploiter la représentation temporelle à long terme. Pour résoudre ces problèmes, nous proposons un nouveau paradigme de détection d'objets 3D hors-bord, appelé DetZero. Plus précisément, un suiveur hors-ligne couplé à un détecteur multi-images est proposé pour se concentrer sur la complétude des trajectoires d'objets générées. Un module de raffinement basé sur un mécanisme d'attention est proposé pour renforcer l'interaction d'informations contextuelles à travers les nuages de points séquentiels à long terme, utilisant des méthodes de régression décomposées. Des expériences approfondies sur le Waymo Open Dataset montrent que notre DetZero surpasses toutes les méthodes actuelles de détection 3D, tant à bord qu'hors-bord. Notamment, DetZero occupe la première place du classement de détection d'objets 3D Waymo avec une performance de détection mAPH (L2) de 85,15 %. Des expériences supplémentaires valident l'utilisation de tels résultats de haute qualité pour remplacer les étiquettes humaines. Notre étude empirique conduit à remettre en question certaines conventions et à des découvertes intéressantes qui peuvent guider les futures recherches en matière de détection d'objets 3D hors-bord.