【MaskBEV: 一种基于鸟瞰图 (BEV) mask的目标检测神经架构】 方法允许在一次通过中完成目标检测和足迹完成，在SemanticKITTI和KITTI上评估了MaskBEV，结果具有竞争力。已开源。
- 题目: MaskBEV: Joint Object Detection and Footprint Completion for Bird’s-eye View 3D Point Clouds
- 作者单位: 拉瓦尔大学
- 开源地: GitHub-norlab-ulavalmask bevSourcecodeforMaskBEVJo
最近在激光雷达点云中的目标检测工作主要集中在预测目标周围的边界框上，这种预测通常是使用基于anchor或anchor-free的检测器来实现的，这些检测器预测边界框，需要关于目标的大量明确的先验知识才能正常工作，为了弥补这些限制，作者提出了MaskBEV，这是一种基于鸟瞰图(BEV) mask的目标检测神经架构，MaskBEV预测一组BEV实例mask，这些掩码表示检测到的目标的足迹，此外，方法允许在一次通过中完成目标检测和足迹完成。MaskBEV还纯粹从分类的角度重新表述了检测问题，取消了通常用于预测边界框的回归，评估了MaskBEV在SemantickITTI和KITTI数据集上的性能，同时分析了体系结构的优势和局限性。
