DetZero: 長期シーケンシャルポイントクラウドを用いたオフボード3D物体検出の再考

既存のオフボード3D検出器は、無制限の連続点群データを活用するために常にモジュール型パイプライン設計を採用しています。私たちは、オフボード3D検出器の全潜在能力が十分に発揮されていない主な理由が2つあることを発見しました：(1) オンボードの多目的追跡装置が十分な完全な物体軌道を生成できないこと、(2) 物体の運動状態が、長期的な時間的コンテクスト表現を活用する物体中心の精緻化ステージにとって避けられない課題となっていることです。これらの問題に対処するため、私たちは新しいオフボード3D物体検出パラダイムであるDetZeroを提案します。具体的には、生成された物体軌道の完全性に焦点を当てるために、オフライン追跡装置とマルチフレーム検出器を組み合わせた手法を提案します。また、分解回帰法を使用して長期的な連続点群データ間でのコンテクスト情報の相互作用を強化するための注意メカニズムに基づく精緻化モジュールも提案します。Waymoオープンデータセットにおける広範な実験結果から、私たちのDetZeroがすべての最先端オンボードおよびオフボード3D検出方法よりも優れていることが示されました。特に、DetZeroは85.15 mAPH (L2) の検出性能でWaymo 3D物体検出リーダーボードで1位となっています。さらに、高品質な結果を使って人間によるラベリングに代わる応用可能性についても実験で確認されています。私たちの経験的研究は、オフボード3D物体検出に関する従来の慣行を見直し、将来の研究に役立つ興味深い知見を得ることにつながっています。