本研究提出HeightFormer，一种新型3D物体检测框架，解决了路边传感器检测问题。通过结合空间变换器和体素池化变换器，提升了2D到3D特征投影的高度估计。实验表明，该算法在车辆和自行车检测中表现优异，提高了3D物体检测的准确性，对智能交通和自动驾驶有重要意义。

该文介绍了一种名为LIGHT的多任务学习神经网络，能够同时输出建筑物的高度地图、边界框和分割掩码图，并通过门控交叉任务交互模块提高了特征交互的效率。实验结果表明，该网络在DFC2023数据集上表现出优越的性能，使多任务学习的性能显著提高了2.8％ AP50和6.5％ delta1。