단안 3D 객체 탐지를 위한 깊이 조건부 동적 메시지 전파

이 논문의 목적은 단안 3D 객체 탐지 문제를 해결하기 위해 맥락과 깊이를 고려한 특징 표현을 학습하는 것이다. 본 연구는 다음과 같은 기여를 한다: (i) 복잡한 가상-라이더(LiDAR) 기반 접근 방식에 의존하지 않고, 다중 스케일의 깊이 정보를 이미지 맥락과 효과적으로 통합하기 위해 깊이 조건부 동적 메시지 전파(DDMP) 네트워크를 제안한다; (ii) 이는 먼저 이미지 맥락 내에서 맥락 인식 가능한 노드를 적응적으로 샘플링한 후, 정보 전파를 위해 깊이에 종속적인 하이브리드 필터 가중치와 유사도 행렬을 동적으로 예측함으로써 달성된다; (iii) 중심 인식 깊이 인코딩(CDE) 작업을 도입함으로써, 본 방법은 정확하지 않은 깊이 사전 지식 문제를 효과적으로 완화한다; (iv) 제안된 접근 방식의 유효성을 철저히 검증하였으며, KITTI 벤치마크 데이터셋에서 단안 기반 접근 방식 중 최고 성능을 보였다. 특히, 2020년 11월 16일(제출일)에 치러진 매우 경쟁적인 KITTI 단안 3D 객체 탐지 트랙에서 1위를 기록하였다. 코드와 모델은 \url{https://github.com/fudan-zvg/DDMP}에서 공개된다.