摘要

多视角3D目标检测系统通常因从图像中估计深度的困难，导致生成的预测不够精确，从而产生大量冗余且错误的检测结果。本文提出了一种名为Ray Denoising的创新方法，通过沿相机射线进行策略性采样，构建具有挑战性的负样本（hard negative examples），以提升检测精度。这些负样本在视觉上与真实正样本难以区分，迫使模型学习具备深度感知能力的特征表示，从而显著增强其区分真实正样本与虚假正样本的能力。Ray Denoising被设计为一个即插即用的模块，可兼容任意基于DETR架构的多视角3D检测器，且仅带来极小的训练计算开销，完全不影响推理速度。通过全面的实验验证，包括详尽的消融研究，结果一致表明，Ray Denoising在多个数据集上均显著优于现有强基线方法。在NuScenes数据集上，其平均精度（mAP）相较当前最先进方法StreamPETR提升了1.9%。在Argoverse 2数据集上亦展现出显著的性能提升，充分验证了该方法出色的泛化能力。相关代码将开源，地址为：https://github.com/LiewFeng/RayDN。