CaDDN：单目3D目标检测的类别深度分布网络

"Categorical Depth Distribution Network (CaDDN) 是一种用于单目3D对象检测的创新方法，它解决了从单个图像中准确预测物体深度的挑战。在自动驾驶和计算机视觉领域，3D对象检测是至关重要的，因为它帮助系统理解环境以做出安全决策。传统的多传感器系统如激光雷达和立体相机能提供精确的3D测量，但成本较高且部署复杂。相比之下，单目视觉系统寻求用一个摄像头实现类似的功能，以降低成本和复杂性。 CaDDN的核心在于其使用分类深度分布，即对每个像素预测一个深度的概率分布，而不是直接估计单一深度值。这种方法利用上下文特征信息，将这些分布投射到3D空间的适当深度间隔，从而提高了深度预测的准确性。CaDDN采用高效的鸟瞰投影和单级检测器，结合深度估计和目标检测，形成一个完全可微的端到端系统。在KITTI 3D目标检测基准测试中，CaDDN的表现优于其他已发表的单目方法，并且在Waymo开放数据集上也取得了首个单目3D检测结果。 深度估计在3D目标检测中的重要性不言而喻，但直接使用深度估计结果常常过于自信，忽视了深度预测的不确定性。CaDDN通过深度分布来解决这个问题，使得网络能够考虑深度的不确定性，从而提高检测的鲁棒性。在训练过程中，深度估计与3D检测的融合使得深度图的估计更适应检测任务，提升了整体性能。 此外，CaDDN的实现中，图像特征被转化到3D空间，进一步转换到鸟瞰视图，这使得网络能够从2D图像中隐式学习深度信息。这种方法允许模型从多角度理解场景，提高了检测的精度和效率。通过这种方式，CaDDN不仅解决了单目3D检测的难题，也为未来的研究提供了新的思路和工具。 CaDDN的源代码将在发布时公开，这将促进社区对单目3D检测技术的进一步研究和改进。CaDDN是单目3D对象检测的一个重要进展，对于推动自动驾驶和计算机视觉领域的低成本、高效率解决方案具有重要意义。"