Maksim Kolodiazhnyi Anna Vorontsova Matvey Skripkin Danila Rukhovich Anton Konushin

摘要

随着客户对机器人与增强现实领域智能解决方案需求的持续增长，基于点云的三维物体检测受到了广泛关注。然而，现有的独立室内数据集规模普遍较小，且多样性不足，难以训练出具备强大泛化能力的三维物体检测模型。与此同时，尽管基于基础模型的通用方法在一定程度上提升了模型的适应性，其性能仍显著逊色于针对特定任务采用监督学习训练的模型。针对这一问题，本文提出一种简单而高效的三维物体检测模型——UniDet3D。该模型在多个室内数据集的混合数据上进行训练，能够适应多种不同的室内环境。通过统一不同数据集的标签空间，UniDet3D 采用监督联合训练策略，有效学习跨多个数据集的强表征能力。所提出的网络架构基于标准的 Transformer 编码器构建，具有部署简便、易于定制与扩展的优点，适用于实际应用场景。大量实验表明，在6个主流室内三维检测基准上，UniDet3D 均取得了显著提升：ScanNet（mAP50 提升1.1）、ARKitScenes（mAP25 提升19.4）、S3DIS（mAP50 提升9.1）、MultiScan（mAP50 提升9.3）、3RScan（mAP50 提升3.2）以及 ScanNet++（mAP50 提升2.7）。相关代码已开源，地址为：https://github.com/filapro/unidet3d。