Sparse4Dv2引入循环时序融合机制、高效可变形聚合、相机参数编码和深度监督等技术，优化了多视角、多时序感知任务中的3D目标检测性能。
2024-11-20
Sparse4Dv3
Sparse4Dv3，通过时间实例去噪、质量估计和解耦注意力机制提升3D检测和跟踪性能，在nuScenes上效果显著。
2024-10-24
Sparse4D
Sparse4D通过可变形4D聚合模块实现多时间戳和多视图特征融合，超越现有稀疏算法和大多数BEV算法。
2024-10-19
M2BEV
M2BEV 提出了统一的 BEV 表示框架，集成 3D 检测与 BEV 分割，使用预训练与创新设计提升多任务性能。
2024-09-22
Fast-BEV_Code
如何在3D目标检测中使用Fast-BEV模型进行调试、训练、网络构建、数据集处理以及损失计算等步骤。
2024-09-22
Fast_BEV
Fast-BEV通过创新视图转换、多尺度编码、高效编码器、数据增强和时序融合，实现快速、高性能的3D感知框架。
2024-07-24
StreamPETR
长序列3D目标检测方法，通过query逐帧传播时序信息，采用运动感知层归一化引入运动信息。
2024-07-09
BEVDistill
BEVDistill旨在通过BEV空间中的多视图特征蒸馏，实现图像和激光雷达特征的自适应学习。
2024-06-24
BEVDepth
BEVDepth通过深度监督、相机感知和深度细化模块提升多视图3D目标检测精度和泛化能力。
2024-06-23
BEVDet4D
BEVDet4D通过融合时间维度和空间对齐操作，简化速度预测并提高检测性能。
2024-06-11
BEVDet
模块化设计的3D目标检测框架，通过改进的数据增强和NMS策略，提升模型的准确性和鲁棒性。
2024-06-07
DETR3D
DETR3D通过直接在3D空间中进行预测，简化了检测流程，提高了准确性和推理速度。
2024-06-04