MonoCD: Monocular 3D Object Detection with Complementary Depths

单目三维物体检测因其能够以低成本从单张图像中准确获取物体三维定位而受到广泛关注。深度估计是单目三维物体检测的一个必要但具有挑战性的子任务，因为2D到3D映射的不适定性。许多方法探索多个局部深度线索，如物体高度和关键点，然后将物体深度估计制定为多个深度预测的集合，以减轻单一深度信息的不足。然而，现有多个深度的误差往往具有相同的符号，这妨碍了它们互相抵消并限制了组合深度的整体精度。为了缓解这个问题，我们提出了两个新的设计来增加深度的互补性。首先，我们添加了一个名为互补深度的新深度预测分支，利用整个图像的全局和高效的深度线索，而不是局部线索，以减少深度预测的相关性。其次，我们建议充分利用多个深度线索之间的几何关系，以实现形式上的互补性。由于这些设计的好处，我们的方法实现了更高的互补性。在KITTI基准测试中的实验表明，我们的方法在不引入额外数据的情况下实现了最先进的性能。此外，互补深度还可以是一个轻量级和即插即用的模块，以提高多个现有的单目三维物体检测器的性能。代码可在https://github.com/elvintanhust/MonoCD上获得。

本论文试图解决单目3D物体检测中深度估计的问题，通过提出两种新的设计来增加深度预测的互补性，提高深度预测的准确性。

论文提出了两种新的设计来增加深度预测的互补性。首先，增加一个新的深度预测分支，称为互补深度，利用整个图像的全局深度线索而不是局部线索，以减少深度预测之间的相关性。其次，充分利用多个深度线索之间的几何关系，以形式上的互补性来提高深度预测的准确性。

本文的亮点在于提出了两种新的设计来增加深度预测的互补性，从而提高了深度预测的准确性。实验在KITTI数据集上进行，证明了该方法在不引入额外数据的情况下可以达到最先进的性能。此外，互补深度还可以作为一个轻量级的插件模块来提高多个现有的单目3D物体检测器的性能。论文提供了开源代码。

在这个领域中，最近的相关研究包括：1. MonoDepth2：使用深度和表面法线的单目图像深度估计；2. D3Feat：用于3D物体检测和姿态估计的密集3D特征描述符；3. PV-RCNN：用于点云的高效点-体积卷积神经网络。