PV-RCNN++：3次元物体検出のためのポイントボクセル特徴セット抽象化と局所ベクトル表現

3次元オブジェクト検出は、さまざまな分野における応用が広がるため、産業界および学術界からますます注目を集めている。本論文では、点群データにおける3次元オブジェクト検出を目的として、Point-Voxel Region-based Convolution Neural Networks（PV-RCNN）を提案する。まず、点に基づくセット抽象化とボクセルに基づくスパース畳み込みの特徴学習を深く統合する2つの新規な手順、すなわちボクセルからキーポイントへのシーン符号化およびキーポイントからグリッドへのRoI特徴抽象化を導入することで、新たな3次元検出器PV-RCNNを構築した。次に、より効率的かつ高精度な3次元オブジェクト検出を実現する高度なフレームワークPV-RCNN++を提案した。このフレームワークは、2つの主要な改良点から構成される：より代表的なキーポイントを効率的に生成するためのセクタ化されたプロポーザル中心サンプリング、および少量のリソース消費で局所的な点特徴をより効果的に集約するVectorPool集約手法。これらの戦略により、PV-RCNN++はPV-RCNNに比べて約3倍高速化しつつ、より優れた性能を達成した。実験の結果、提案するPV-RCNN++フレームワークは、大規模かつ競争の激しいWaymo Open Datasetにおいて、150m × 150mの検出範囲で10 FPSの推論速度を達成し、最先端の3次元検出性能を実現した。