摘要

现代神经网络使用了诸如卷积等构建模块，这些模块对任意二维平移具有等变性。然而，这些基本模块在射影流形中并不具备对任意三维平移的等变性。尽管如此，所有单目三维检测器仍然使用这些基本模块来获取三维坐标，而这些基本模块并不是为此任务设计的。本文首次尝试构建在射影流形中对任意三维平移具有等变性的卷积。由于深度估计是单目检测中最难的部分，本文提出了基于现有尺度等变可操控块构建的深度等变网络（Depth EquiVarIAnt NeTwork, DEVIANT）。因此，DEVIANT 在射影流形中对深度平移具有等变性，而传统网络则不具备这一特性。额外的深度等变性迫使 DEVIANT 学习一致的深度估计，因此 DEVIANT 在仅使用图像数据的情况下，在 KITTI 和 Waymo 数据集上取得了最先进的单目三维检测结果，并且其性能与使用额外信息的方法相当。此外，在跨数据集评估中，DEVIANT 的表现优于传统网络。代码和模型见：https://github.com/abhi1kumar/DEVIANT