Forecasting from LiDAR via Future Object Detection

基础信息

1. 论文：cvpr2022
2. paper https://openaccess.thecvf.com/content/CVPR2022/papers/Peri_Forecasting_From_LiDAR_via_Future_Object_Detection_CVPR_2022_paper.pdf
3. github：https://github.com/neeharperi/FutureDet?tab=readme-ov-file
4. 单位：Carnegie Mellon University，RWTH Aachen University，TUM Munich，Argo AI

摘要

1.目标检测和预测是具身感知的基本组成部分。
2. 然而，这两个问题目前都是孤立地进行研究
3. 在本文中，我们提出了一种端到端基于点云数据的端到端检测和运动预测方法，而不是根据一些真值。
4. 我们不是预测当前的帧位置再向前预测，而是直接预测未来的物体位置和反推每个轨迹的起点
5. 与其他模块化或端到端基线相比，我们的方法不仅提高了整体的准确性，而且还促使我们重新思考显式跟踪在具体化感知中的作用。
6. 此外，通过以多个方式连接未来和当前位置，我们的方法能够推断多个未来，这是以前被认为是端到端方法困难的能力。
7. 我们在流行的nuScenes数据集上进行了广泛的实验，并证明了我们的方法的经验有效性
8. 此外，我们还研究了对端到端设置重用标准预测指标的适当性，并发现了一些允许我们构建简单的基线来博弈这些指标的限制。
9. 我们通过一套新的联合预测和检测度量来解决这个问题，该度量将常用的AP度量从检测社区扩展到度量预测精度。
10. 我们的代码可以在GitHub上找到。