cari
RumahPeranti teknologiAITransformer menyatukan perwakilan berasaskan voxel untuk pengesanan objek 3D

kertas arXiv "Menyatukan Perwakilan berasaskan Voxel dengan Transformer untuk Pengesanan Objek 3D", 22 Jun, Universiti China Hong Kong, Universiti Hong Kong, Teknologi Megvii (sebagai ingatan Dr. Sun Jian) ​​dan Teknologi Simou, dll.

Transformer menyatukan perwakilan berasaskan voxel untuk pengesanan objek 3D

Kertas kerja ini mencadangkan rangka kerja pengesanan objek 3-D berbilang mod bersatu, dipanggil UVTR. Kaedah ini bertujuan untuk menyatukan perwakilan berbilang mod ruang voxel dan membolehkan pengesanan 3-D mod tunggal atau rentas mod tunggal yang tepat dan mantap. Untuk tujuan ini, ruang khusus modaliti direka bentuk untuk mewakili input yang berbeza kepada ruang ciri voxel. Kekalkan ruang voxel tanpa pemampatan ketinggian, mengurangkan kekaburan semantik dan membolehkan interaksi spatial. Berdasarkan pendekatan bersatu ini, interaksi rentas modal dicadangkan untuk menggunakan sepenuhnya ciri-ciri sedia ada bagi penderia yang berbeza, termasuk pemindahan pengetahuan dan gabungan modal. Dengan cara ini, ekspresi awan titik yang sedar geometri dan ciri kaya konteks dalam imej boleh dieksploitasi dengan baik, menghasilkan prestasi dan keteguhan yang lebih baik.

Penyahkod pengubah digunakan untuk mencuba ciri secara cekap daripada ruang bersatu dengan lokasi yang boleh dipelajari, yang memudahkan interaksi peringkat objek. Secara umumnya, UVTR mewakili percubaan awal untuk mewakili modaliti yang berbeza dalam rangka kerja yang bersatu, mengatasi prestasi sebelumnya pada input modal tunggal dan berbilang modal, mencapai prestasi terkemuka pada set ujian nuScenes, lidar, kamera dan NDS keluaran berbilang modal. ialah 69.7%, 55.1% dan 71.1% masing-masing.

Kod:https://github.com/dvlab-research/UVTR.

Seperti yang ditunjukkan dalam rajah:

Transformer menyatukan perwakilan berasaskan voxel untuk pengesanan objek 3D

Dalam proses penyatuan perwakilan, ia boleh dibahagikan secara kasar kepada perwakilan aliran peringkat input dan aliran peringkat ciri. Untuk pendekatan pertama, data multimodal diselaraskan pada permulaan rangkaian. Khususnya, awan titik pseudo dalam (a) ditukar daripada imej bantuan kedalaman yang diramalkan, manakala imej paparan julat dalam (b) diunjurkan daripada awan titik. Disebabkan oleh ketidaktepatan kedalaman dalam awan titik pseudo dan keruntuhan geometri 3-D dalam imej paparan julat, struktur spatial data dimusnahkan, yang membawa kepada hasil yang buruk. Untuk kaedah peringkat ciri, kaedah biasa ialah menukar ciri imej kepada frustum dan kemudian memampatkannya ke dalam ruang BEV, seperti ditunjukkan dalam Rajah (c). Walau bagaimanapun, disebabkan trajektori seperti sinarnya, maklumat ketinggian (ketinggian) mampatan pada setiap kedudukan mengagregatkan ciri pelbagai sasaran, sekali gus memperkenalkan kekaburan semantik. Pada masa yang sama, pendekatan tersiratnya sukar untuk menyokong interaksi ciri eksplisit dalam ruang 3-D dan mengehadkan pemindahan pengetahuan selanjutnya. Oleh itu, perwakilan yang lebih bersatu diperlukan untuk merapatkan jurang modal dan memudahkan interaksi pelbagai rupa.

Rangka kerja yang dicadangkan dalam artikel ini menyatukan perwakilan berasaskan voxel dan pengubah. Khususnya, perwakilan ciri dan interaksi imej dan awan titik dalam ruang eksplisit berasaskan voxel. Untuk imej, ruang voxel dibina dengan ciri pensampelan dari satah imej mengikut kedalaman yang diramalkan dan kekangan geometri, seperti ditunjukkan dalam Rajah (d). Untuk awan titik, lokasi yang tepat secara semula jadi membolehkan ciri dikaitkan dengan voxel. Kemudian, pengekod voxel diperkenalkan untuk interaksi spatial untuk mewujudkan hubungan antara ciri bersebelahan. Dengan cara ini, interaksi rentas modal diteruskan secara semula jadi dengan ciri dalam setiap ruang voxel. Untuk interaksi peringkat sasaran, pengubah boleh ubah bentuk digunakan sebagai penyahkod untuk mencontohi ciri khusus pertanyaan sasaran pada setiap kedudukan (x, y, z) dalam ruang voxel bersatu, seperti yang ditunjukkan dalam Rajah (d). Pada masa yang sama, pengenalan kedudukan pertanyaan 3-D dengan berkesan mengurangkan kekaburan semantik yang disebabkan oleh mampatan maklumat ketinggian (ketinggian) dalam ruang BEV.

Seperti yang ditunjukkan dalam rajah ialah seni bina UVTR bagi input berbilang modal: diberikan bingkai tunggal atau imej berbilang bingkai dan awan titik, ia mula-mula diproses dalam tulang belakang tunggal dan ditukarkan kepada spatial VI khusus modaliti dan VP, di mana transformasi paparan digunakan untuk imej. Dalam pengekod voxel, ciri berinteraksi secara spatial, dan pemindahan pengetahuan mudah disokong semasa latihan. Bergantung pada tetapan, pilih ciri mod tunggal atau berbilang modal melalui suis modal. Akhir sekali, ciri diambil sampel daripada VU spatial bersatu dengan lokasi yang boleh dipelajari dan diramalkan menggunakan penyahkod pengubah.

Transformer menyatukan perwakilan berasaskan voxel untuk pengesanan objek 3D

Gambar menunjukkan butiran transformasi pandangan:

Transformer menyatukan perwakilan berasaskan voxel untuk pengesanan objek 3D

Gambar menunjukkan butiran pemindahan pengetahuan:

Transformer menyatukan perwakilan berasaskan voxel untuk pengesanan objek 3D

Keputusan percubaan adalah seperti berikut:

Transformer menyatukan perwakilan berasaskan voxel untuk pengesanan objek 3D

Transformer menyatukan perwakilan berasaskan voxel untuk pengesanan objek 3D

Atas ialah kandungan terperinci Transformer menyatukan perwakilan berasaskan voxel untuk pengesanan objek 3D. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan
Artikel ini dikembalikan pada:51CTO.COM. Jika ada pelanggaran, sila hubungi admin@php.cn Padam
10 Pelanjutan pengekodan AI generatif dalam kod vs yang mesti anda pelajari10 Pelanjutan pengekodan AI generatif dalam kod vs yang mesti anda pelajariApr 13, 2025 am 01:14 AM

Hei ada, pengekodan ninja! Apa tugas yang berkaitan dengan pengekodan yang anda telah merancang untuk hari itu? Sebelum anda menyelam lebih jauh ke dalam blog ini, saya ingin anda memikirkan semua kesengsaraan yang berkaitan dengan pengekodan anda-lebih jauh menyenaraikan mereka. Selesai? - Let ’

Memasak Inovasi: Bagaimana Kecerdasan Buatan Mengubah Perkhidmatan MakananMemasak Inovasi: Bagaimana Kecerdasan Buatan Mengubah Perkhidmatan MakananApr 12, 2025 pm 12:09 PM

AI Menambah Penyediaan Makanan Walaupun masih dalam penggunaan baru, sistem AI semakin digunakan dalam penyediaan makanan. Robot yang didorong oleh AI digunakan di dapur untuk mengautomasikan tugas penyediaan makanan, seperti membuang burger, membuat pizza, atau memasang SA

Panduan Komprehensif mengenai Python Namespaces & Variable ScopesPanduan Komprehensif mengenai Python Namespaces & Variable ScopesApr 12, 2025 pm 12:00 PM

Pengenalan Memahami ruang nama, skop, dan tingkah laku pembolehubah dalam fungsi Python adalah penting untuk menulis dengan cekap dan mengelakkan kesilapan runtime atau pengecualian. Dalam artikel ini, kami akan menyelidiki pelbagai ASP

Panduan Komprehensif untuk Model Bahasa Visi (VLMS)Panduan Komprehensif untuk Model Bahasa Visi (VLMS)Apr 12, 2025 am 11:58 AM

Pengenalan Bayangkan berjalan melalui galeri seni, dikelilingi oleh lukisan dan patung yang terang. Sekarang, bagaimana jika anda boleh bertanya setiap soalan dan mendapatkan jawapan yang bermakna? Anda mungkin bertanya, "Kisah apa yang anda ceritakan?

MediaTek meningkatkan barisan premium dengan Kompanio Ultra dan Dimensity 9400MediaTek meningkatkan barisan premium dengan Kompanio Ultra dan Dimensity 9400Apr 12, 2025 am 11:52 AM

Meneruskan irama produk, bulan ini MediaTek telah membuat satu siri pengumuman, termasuk Kompanio Ultra dan Dimensity 9400 yang baru. Produk ini mengisi bahagian perniagaan MediaTek yang lebih tradisional, termasuk cip untuk telefon pintar

Minggu ini di AI: Walmart menetapkan trend fesyen sebelum mereka pernah berlakuMinggu ini di AI: Walmart menetapkan trend fesyen sebelum mereka pernah berlakuApr 12, 2025 am 11:51 AM

#1 Google melancarkan Agent2Agent Cerita: Ia Isnin pagi. Sebagai perekrut berkuasa AI, anda bekerja lebih pintar, tidak lebih sukar. Anda log masuk ke papan pemuka syarikat anda di telefon anda. Ia memberitahu anda tiga peranan kritikal telah diperolehi, dijadualkan, dan dijadualkan untuk

AI Generatif Bertemu PsychobabbleAI Generatif Bertemu PsychobabbleApr 12, 2025 am 11:50 AM

Saya akan meneka bahawa anda mesti. Kita semua seolah -olah tahu bahawa psychobabble terdiri daripada pelbagai perbualan yang menggabungkan pelbagai terminologi psikologi dan sering akhirnya menjadi tidak dapat difahami atau sepenuhnya tidak masuk akal. Semua yang anda perlu lakukan untuk memuntahkan fo

Prototaip: saintis menjadikan kertas menjadi plastikPrototaip: saintis menjadikan kertas menjadi plastikApr 12, 2025 am 11:49 AM

Hanya 9.5% plastik yang dihasilkan pada tahun 2022 dibuat daripada bahan kitar semula, menurut satu kajian baru yang diterbitkan minggu ini. Sementara itu, plastik terus menumpuk di tapak pelupusan sampah -dan ekosistem -sekitar dunia. Tetapi bantuan sedang dalam perjalanan. Pasukan Engin

See all articles

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
4 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌

Alat panas

Dreamweaver Mac版

Dreamweaver Mac版

Alat pembangunan web visual

MinGW - GNU Minimalis untuk Windows

MinGW - GNU Minimalis untuk Windows

Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.

Penyesuai Pelayan SAP NetWeaver untuk Eclipse

Penyesuai Pelayan SAP NetWeaver untuk Eclipse

Integrasikan Eclipse dengan pelayan aplikasi SAP NetWeaver.

VSCode Windows 64-bit Muat Turun

VSCode Windows 64-bit Muat Turun

Editor IDE percuma dan berkuasa yang dilancarkan oleh Microsoft

PhpStorm versi Mac

PhpStorm versi Mac

Alat pembangunan bersepadu PHP profesional terkini (2018.2.1).