论文
VERIA：用于长尾 3D 对象检测的以验证为中心的多模态实例增强
VERIA: Verification-Centric Multimodal Instance Augmentation for Long-Tailed 3D Object Detection
摘要
驾驶数据集中的长尾分布对 3D 感知提出了根本性挑战，因为稀有类别表现出大量的类内多样性，但可用样本仅稀疏地覆盖了该变化空间。现有的基于复制粘贴或资源库的实例增强方法改善了稀有类的暴露，但通常在细粒度多样性和场景上下文放置方面受到限制。我们提出了 VERIA，一种图像优先的多模态增强框架，它使用现成的基础模型合成同步 RGB-LiDAR 实例，并通过顺序语义和几何验证来管理它们。这种以验证为中心的设计倾向于选择与真实 LiDAR 统计数据更好匹配的实例，同时涵盖更广泛的类内变化。阶段式产量分解提供了基于日志的管道可靠性诊断。在 nuScenes 和 Lyft 上，VERIA 改进了仅 LiDAR 和多模态设置中的罕见 3D 物体检测。我们的代码可在 https://sgvr.kaist.ac.kr/VERIA/ 获取。