IC-FPS: Instance-Centroid Faster Point Sampling Module for 3D Point-base Object Detection

要約

タイトル: IC-FPS：3Dポイントベースオブジェクト検出のためのインスタンスセントロイド高速ポイントサンプリングモジュール

要約:

– 3Dオブジェクト検出は、自律走行やロボティクスにおける最も重要なタスクの一つです。
– 既存のポイントベースメソッドは、ポイントクラウドの数が増えると推論時間とメモリ消費量が計算的に高い最遠点サンプリング（FPS）戦略を採用しています。
– 低効率問題を解決するために、本研究では、極めて煩雑な最初のSA層を効果的に置き換えるインスタンスセントロイド高速ポイントサンプリングモジュール(IC-FPS)を提案します。
– IC-FPSモジュールは、ローカルフィーチャ拡散ベースの背景ポイントフィルタ（LFDBF）とセントロイド･インスタンスサンプリング戦略（CISS）の2つの方法から構成されています。
– LFDBFは、無効な背景ポイントを除外するために構成されていますが、CISSは、高速サンプリングによってFPS戦略を置き換えます。
– IC-FPSモジュールは、ほとんどすべてのポイントベースモデルに挿入することができます。
– 多数の公共ベンチマークでの詳細な実験により、IC-FPSの優越性が示されました。
– Waymoデータセットにおいて、提案されたモジュールは、ベースラインモデルの性能を大幅に向上させ、推論速度を3.8倍高速化させます。
– 大規模なポイントクラウドシナリオでのポイントベースモデルのリアルタイム検出が初めて実現されました。

要約(オリジナル)

3D object detection is one of the most important tasks in autonomous driving and robotics. Our research focuses on tackling low efficiency issue of point-based methods on large-scale point clouds. Existing point-based methods adopt farthest point sampling (FPS) strategy for downsampling, which is computationally expensive in terms of inference time and memory consumption when the number of point cloud increases. In order to improve efficiency, we propose a novel Instance-Centroid Faster Point Sampling Module (IC-FPS) , which effectively replaces the first Set Abstraction (SA) layer that is extremely tedious. IC-FPS module is comprised of two methods, local feature diffusion based background point filter (LFDBF) and Centroid-Instance Sampling Strategy (CISS). LFDBF is constructed to exclude most invalid background points, while CISS substitutes FPS strategy by fast sampling centroids and instance points. IC-FPS module can be inserted to almost every point-based models. Extensive experiments on multiple public benchmarks have demonstrated the superiority of IC-FPS. On Waymo dataset, the proposed module significantly improves performance of baseline model and accelerates inference speed by 3.8 times. For the first time, real-time detection of point-based models in large-scale point cloud scenario is realized.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI