DSGN: 3D 객체 검출을 위한 딥 스테레오 기하학 네트워크

최신의 3D 객체 감지기들은 대부분 LiDAR 센서에 크게 의존하고 있습니다. 이는 이미지 기반 방법과 LiDAR 기반 방법 사이에 큰 성능 차이가 있기 때문입니다. 이러한 성능 차이는 3D 시나리오에서 예측을 위한 표현 방식에 의해 발생합니다. 우리 방법인 Deep Stereo Geometry Network (DSGN)은 3D 기하 구조를 효과적으로 인코딩하는 3D 기하 볼륨이라는 미분 가능한 볼륨 표현을 사용하여 이 성능 차이를大幅减少（大幅减少为“대폭 줄임”）.이 표현을 통해 우리는 깊이 정보와 의미적 힌트를 동시에 학습합니다. 처음으로, 우리는 단계적인 스테레오 기반 3D 감지 파이프라인을 제공하여, 엔드투엔드 학습 방식으로 깊이를 공동 추정하고 3D 객체를 감지합니다. 우리의 접근법은 이전의 스테레오 기반 3D 감지기들보다 우수한 성능을 보여주며 (AP 측면에서 약 10% 높음), KITTI 3D 객체 감지 리더보드에서 몇몇 LiDAR 기반 방법들과 비교할 만한 성능을 달성하였습니다. 우리의 코드는 https://github.com/chenyilun95/DSGN 에 공개되어 있습니다.