3D检测器在面对不熟悉的环境时常常会失败，由于工具、地点或天气的变化，导致检测率大幅下降。这个项目提出了一个自我训练系统，通过创建准确的假标签，MS3D++，来适应不同类型的激光雷达。无论是工具、地点或是天气...

当前的3D物体检测器常常会误解数据，使其关注点距离目标物体较远。为了解决这个问题，一种名为“3D顶点相对位置编码”的新方法已经被开发出来。这种新方法可以引导检测器的注意力集中于靠近目标物体的点。这不仅提高了...

最近的一项研究介绍了'YOLOBench'，这是一个针对超过550种基于YOLO（You Only Look Once，你只看一次）方法的物体检测模型的性能测评。这些模型在四个独特的数据集和硬件系统上进行了测试。YOLO是一种流行且高效的物...

该存储库引入了一项名为“描述性物体检测”的新实践任务，它通过允许基于多样化语言描述进行物体检测，而不仅仅是基于预先存在的对象，从而改进了先前的方法。这种新的物体检测方式，更能符合实际应用需求，无论是在复...

最近，有一款名为AlignDet的两阶段预训练框架在GitHub上开源，旨在弥补物体检测算法中的预训练和微调程序之间的差距。AlignDet的设计目标是提高算法的性能、泛化能力以及收敛速度。通过对预训练和微调过程的深度优化...