UFO: Unidentified Foreground Object Detection in 3D Point Cloud

要約

この論文では、3D 点群における未確認前景物体 (UFO) の検出に関する新しい問題を提起します。これは、野外での自動運転において重要な技術です。
既存の 3D 物体検出器は 3D 位置特定と配信外 (OOD) 検出の両方において非常に困難な課題に直面しているため、UFO 検出は困難です。
これらの課題に取り組むために、評価プロトコル、方法論、ベンチマークという 3 つのタスクを含む新しい UFO 検出フレームワークを提案します。
この評価には、私たちの目標、つまり UFO の位置特定と OOD 検出の両方のパフォーマンスを測定するための新しいアプローチが含まれています。
この方法論には、目標のパフォーマンスを向上させるための実践的なテクニックが含まれています。
このベンチマークは、KITTI Misc ベンチマークと、より多様な範囲の UFO をモデル化するための追加の合成ベンチマークで構成されています。
提案されたフレームワークは、SECOND、PointPillars、PV-RCNN、PartA2 の 4 つのベースライン検出器すべてで一貫してパフォーマンスを大幅に向上させ、野外での UFO 検出に関する将来の研究に洞察を与えます。

要約(オリジナル)

In this paper, we raise a new issue on Unidentified Foreground Object (UFO) detection in 3D point clouds, which is a crucial technology in autonomous driving in the wild. UFO detection is challenging in that existing 3D object detectors encounter extremely hard challenges in both 3D localization and Out-of-Distribution (OOD) detection. To tackle these challenges, we suggest a new UFO detection framework including three tasks: evaluation protocol, methodology, and benchmark. The evaluation includes a new approach to measure the performance on our goal, i.e. both localization and OOD detection of UFOs. The methodology includes practical techniques to enhance the performance of our goal. The benchmark is composed of the KITTI Misc benchmark and our additional synthetic benchmark for modeling a more diverse range of UFOs. The proposed framework consistently enhances performance by a large margin across all four baseline detectors: SECOND, PointPillars, PV-RCNN, and PartA2, giving insight for future work on UFO detection in the wild.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google