茧:具有不确定性感知的强健多模态传感器融合
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了在3D物体检测中使用多模态提升准确度的挑战,特别是在长尾场景下的有效性。提出的Cocoon框架通过不确定性量化和特征对齐实现了对异构表示的有效融合,显著优于现有的静态和适应性方法。这一创新方法在多种数据集上证明了不确定性度量的有效性和框架的优越性能。
该研究通过结合协同推断和信息理论,实现了轻量级的不确定性估计,利用多元高斯变分自动编码器融合RGB和LiDAR数据,提高预测准确性。使用标准化互信息作为调制器,结果显示预测不确定性与NMI负相关。该框架在KITTI 3D检测基准上表现优异,适用于实时机器人技术。