摘要

基于激光雷达的全稀疏架构近年来受到了越来越多的关注。FSDv1 作为这一领域的代表性工作，虽然在复杂结构和手工设计方面存在一定的挑战，但仍取得了令人印象深刻的效能和效率。本文介绍了 FSDv2，这是对前代 FSDv1 的一次进化，旨在简化其结构并消除由手工设计的实例级表示引入的归纳偏差，从而提高更好的泛化适用性。为此，我们引入了 虚拟体素（virtual voxels）的概念，该概念取代了 FSDv1 中基于聚类的实例分割方法。虚拟体素不仅解决了全稀疏检测器中著名的中心特征缺失问题（Center Feature Missing），还赋予框架更加优雅和简洁的方法。因此，我们开发了一系列组件来补充虚拟体素的概念，包括虚拟体素编码器、虚拟体素混合器和虚拟体素分配策略。通过实证验证，我们证明了虚拟体素机制在功能上类似于 FSDv1 中的手工聚类方法，但更具普遍性。我们在三个大规模数据集上进行了实验：Waymo 开放数据集、Argoverse 2 数据集和 nuScenes 数据集。实验结果表明，FSDv2 在所有三个数据集上均表现出最先进的性能，特别是在长距离场景中展现出优越性，并且在各种场景下都能实现具有竞争力的性能。此外，我们提供了全面的实验分析以阐明 FSDv2 的工作原理。为了促进可重复性和进一步研究，我们已在 https://github.com/tusen-ai/SST 开源了 FSDv2。