ABS
简而言之，2D目标检测就是给图像里感兴趣的目标分类并确定其位置。在自动驾驶领域，它在红绿灯检测、车道线检测等感知任务里被广泛运用，应用成熟且稳定可靠。Nullmax认为，2D目标检测在自动驾驶感知方面仍具意义，像用于检测小尺寸或远距离目标，或进行多算法一致性校验。并且，利用2D检测提升3D检测，助力提升BEV感知任务的性能，这在当下也是很有价值的应用。Nullmax感知团队的最新研究成果入选了CVPR 2024。其论文Enhancing 3D Object Detection with 2D Detection - Guided Query Anchors（即运用2D检测指导查询锚点生成来提升3D目标检测），重点探讨在自动驾驶常用的多相机配置场景中，怎样最大程度地利用图像空间信息以及2D目标检测，从而进一步提高3D目标检测的性能。论文链接：
ABS/2403.06093">https://arxiv.org/
ABS/2403.06093。简而言之，论文中的QAF2D方法，借助2D检测结果引导3D查询锚点生成，取代基于查询的3D目标检测器常用的随机生成法，这有效提高了多相机3D目标检测任务的性能。
之后，Nullmax会推出更详细解读QAF2D的文章，给大家讲讲利用2D检测提高3D检测性能的具体想法，欢迎大家关注。3月20日更新：QAF2D论文的详细解读已经发布啦！对其感兴趣的小伙伴可以前往Nullmax的最新文章Nullmax：CVPR 2024 | 2D检测提升3D检测，Nullmax提出多相机3D目标检测新方法QAF2D查看。欢迎想从事自动驾驶研发（全职或实习）的同学加入Nullmax，点击查看岗位招聘详情！
