Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.01562v1

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2508.01562v1 (cs)
[提交于 2025年8月3日 ]

标题: 自适应LiDAR扫描:通过多模态融合利用时间线索进行高效的3D目标检测

标题: Adaptive LiDAR Scanning: Harnessing Temporal Cues for Efficient 3D Object Detection via Multi-Modal Fusion

Authors:Sara Shoouri, Morteza Tavakoli Taba, Hun-Seok Kim
摘要: 多传感器融合使用LiDAR和RGB相机显著增强了3D目标检测任务。 然而,传统的LiDAR传感器进行密集、无状态的扫描,忽略了现实场景中的强时间连续性。 这导致了大量的传感冗余和过高的功耗,限制了它们在资源受限平台上的实用性。 为了解决这种低效问题,我们提出了一种预测性、历史感知的自适应扫描框架,该框架基于过去观察结果预测感兴趣的区域(ROI)。 我们的方法引入了一个轻量级预测网络,将历史空间和时间上下文提炼为精炼的查询嵌入。 这些嵌入引导一个可微分的Mask Generator网络,该网络利用Gumbel-Softmax采样生成二进制掩码,识别下一帧的关键ROI。 我们的方法通过仅在这些ROI内进行密集LiDAR扫描并在其他地方稀疏采样,显著减少了不必要的数据采集。 在nuScenes和Lyft基准测试上的实验表明,我们的自适应扫描策略将LiDAR能耗降低了超过65%,同时在3D目标检测性能方面与传统LiDAR-相机融合方法相比保持竞争力甚至更优。
摘要: Multi-sensor fusion using LiDAR and RGB cameras significantly enhances 3D object detection task. However, conventional LiDAR sensors perform dense, stateless scans, ignoring the strong temporal continuity in real-world scenes. This leads to substantial sensing redundancy and excessive power consumption, limiting their practicality on resource-constrained platforms. To address this inefficiency, we propose a predictive, history-aware adaptive scanning framework that anticipates informative regions of interest (ROI) based on past observations. Our approach introduces a lightweight predictor network that distills historical spatial and temporal contexts into refined query embeddings. These embeddings guide a differentiable Mask Generator network, which leverages Gumbel-Softmax sampling to produce binary masks identifying critical ROIs for the upcoming frame. Our method significantly reduces unnecessary data acquisition by concentrating dense LiDAR scanning only within these ROIs and sparsely sampling elsewhere. Experiments on nuScenes and Lyft benchmarks demonstrate that our adaptive scanning strategy reduces LiDAR energy consumption by over 65% while maintaining competitive or even superior 3D object detection performance compared to traditional LiDAR-camera fusion methods with dense LiDAR scanning.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2508.01562 [cs.CV]
  (或者 arXiv:2508.01562v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.01562
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Sara Shoouri [查看电子邮件]
[v1] 星期日, 2025 年 8 月 3 日 03:20:36 UTC (2,967 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号