Recently, sparse 3D convolutions have changed 3D object detection. Performing on par with the voting-based approaches, 3D CNNs are memory-efficient and scale to large scenes better. However, there is still room for improvement. With a conscious, practice-oriented approach to problem-solving, we analyze the performance of such methods and localize the weaknesses. Applying modifications that resolve the found issues one by one, we end up with TR3D: a fast fully-convolutional 3D object detection model trained end-to-end, that achieves state-of-the-art results on the standard benchmarks, ScanNet v2, SUN RGB-D, and S3DIS. Moreover, to take advantage of both point cloud and RGB inputs, we introduce an early fusion of 2D and 3D features. We employ our fusion module to make conventional 3D object detection methods multimodal and demonstrate an impressive boost in performance. Our model with early feature fusion, which we refer to as TR3D+FF, outperforms existing 3D object detection approaches on the SUN RGB-D dataset. Overall, besides being accurate, both TR3D and TR3D+FF models are lightweight, memory-efficient, and fast, thereby marking another milestone on the way toward real-time 3D object detection. Code is available at https://github.com/SamsungLabs/tr3d .
翻译:最近,稀有的三维相联体改变了3D对象探测。 与基于投票的方法相比, 3DCNN的功能是记忆效率高的, 规模更大。 然而, 仍有改进的余地。 有了自觉的、 面向实践的解决问题方法, 我们分析这些方法的性能, 并将弱点本地化。 我们运用我们的聚合模块, 逐个解决发现的问题, 我们最后采用TR3D: 快速全面进化的3D对象探测模型, 我们称之为TR3D+FF, 在标准基准( ScanNet v2, SUN RGB- D 和 S3DIS) 上实现最新水平的3D对象探测方法。 此外, 为了利用点云和RGB投入, 我们引入了 2D 和 3D 的早期融合。 我们运用我们的聚合模块, 使常规的 3D 对象探测方法集成并展示了令人印象深刻的性能。 我们的早期特性聚合模型, 我们称之为TR3D+FF, 超越了S- D 标准基准( SGB- D 模型) 和 SUN RGB- D D D 数据集 的现有3 的3 目标探测方法。 总而言, 的快速、 和标志- 3TRD 的快速的记忆, 3- 3- 和快速的标志- 3D 、快速的标志- 3D 正在的快速的快速的快速的识别- 3- 3D 、快速的识别- 、快速的识别- 3D 3D 、快速的识别- 、快速 、快速 、快速 、快速 、快速 、快速的识别- 、 、快速 、快速的 、快速的 、 、 、 、快速的 、快速的 、快速的 、快速的 、快速的 、快速的 、快速的 、快速的 、快速的 、快速的 、快速的 、快速的MFMD 、快速的MD 3D 、快速的M 、快速的 、快速的 、快速的M 、快速的 、快速的 、快速的M 、快速的 、快速的 、快速的 、快速的M 、快速的 、快速的 、快速的 、