RadarNeXt: 4D mmWave イメージングレーダーを用いたリアルタイムかつ信頼性の高い3D物体検出器

3Dオブジェクト検出は、自動運転（AD）および先進運転支援システム（ADAS）において重要な役割を果たしています。しかし、多くの3D検出器は検出精度を優先し、実際の応用におけるネットワーク推論速度をしばしば見落としています。本論文では、4D mmWaveレーダーポイントクラウドに基づくリアルタイムかつ信頼性の高い3Dオブジェクト検出器であるRadarNeXtを提案します。この検出器は再パラメータ化可能なニューラルネットワークを活用して多スケール特徴を捉え、メモリコストを削減し、推論速度を向上させます。さらに、レーダーポイントクラウドの不規則な前景特徴を強調し、背景の雑音を抑制するために、マルチパス変形前景強化ネットワーク（MDFEN）を提案します。これにより、精度を確保しつつ速度と過剰なパラメータ数の犠牲を最小限に抑えられます。View-of-DelftおよびTJ4DRadSetデータセットでの実験結果は、RadarNeXtの優れた性能と効率性を証明しており、提案したMDFENを使用したバリアントで50.48および32.30 mAP（mean Average Precision）が達成されています。特に、RTX A4000 GPUでは67.10 FPS以上、Jetson AGX Orinでは28.40 FPS以上の推論速度が得られています。本研究は、RadarNeXtが4D mmWaveレーダーに基づく3D認識に新しいかつ効果的なパラダイムをもたらすことを示しています。