CVPR'24 Oral | Waymo新SOTA!纯稀疏检测器SAFDNet的前世今生!

本次分享我们邀请到了清华大学博士生张刚，为大家详细介绍他们CVPR2024中稿的工作：SAFDNet.如果您有相关工作需要分享，欢迎文末联系我们！

SAFDNet: A Simple and Effective Network for Fully Sparse 3D Object Detection
论文地址：https://arxiv.org/pdf/2403.05817
代码地址: https://github.com/zhanggang001/HEDNet

3D点云物体检测在自动驾驶中起着至关重要的作用。现有方法通常在主干网络和检测头中构建密集特征图进行预测，然而使用密集特征图引入的计算成本随着感知范围的增加呈二次增长，使得这些方法难以应用到大范围检测场景。最近的一些研究试图构建纯稀疏检测器来解决这个问题，但这些方法要么流程复杂、要么需要在检测准确率上做出牺牲。在这项工作中，我们提出了一种简单且高效的纯稀疏点云物体检测架构SAFDNet。SAFDNet使用自适应特征扩散策略来解决物体中心特征缺失问题。我们在Waymo Open、nuScenes和Argoverse2数据集上进行了大量的实验。与之前的SOTA相比，SAFDNet在前两个小范围检测场景数据集上表现略好，而在最后一个大范围检测场景数据集Argoverse2上取得明显的性能提升，这验证了SAFDNet在大范围检测场景中的有效性。值得注意的是，在Argoverse2数据集上，与之前最好的混合检测器HEDNet相比，SAFDNet在检测准确率指标mAP上提升了2.6%，同时速度提升了2.1倍；与之前最好的纯稀疏检测器FSDv2相比，SAFDNet在检测准确率指标mAP上提高了2.1%，同时速度提升了1.3倍。

注：本次分享我们邀请到了清华大学博士生张刚，为大家详细介绍他们的工作：SAFDNet.如果您有相关工作需要分享，欢迎联系：cv3d008