恶劣天气下检测更准
利用辅助学习任务预测前景区域，并设计特征融合与感兴趣区域池化模块，提升稀疏点云场景下的3D对象检测性能。
An, Pei · Duan, Yucong · Yuliang, Huang · 马杰 · Chen, Yanfei · 汪力衡 · 杨铀 · 刘琼
IEEE Transactions on Multimedia 2023
辅助显著性预测任务利用标签扩散缓解类别不平衡，使模型更准确识别前景体素，从而提升检测精度。
显著性融合模块将体素和BEV显著性图作为渐进注意力，抑制背景区域冗余特征，加强稀疏前景区域的特征交互。
在STF数据集上的实验表明，SP-Det在恶劣天气导致的稀疏点云条件下仍能取得优于现有方法的性能。