DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries
论文简介：
本文介绍了一个用于多摄像机三维目标检测的框架。现有的工作是直接从单目图像中估计三维边界框，或使用深度预测网络从二维信息中生成三维目标检测的输入，与此不同，本文的方法直接在三维空间中操作预测。
DETR3D 从多个相机图像中提取二维特征，然后使用一组稀疏的 3D 对象查询来索引到这些二维特征中，使用摄像机转换矩阵将 3D 位置链接到多视图图像，然后对每个对象查询进行边界框预测，使用集合到集合的损失来测量地面真实值和预测之间的差异。
这种自上而下的方法优于自下而上的方法，即对象边界盒预测遵循每像素深度估计，因为它不受深度预测模型引入的复合误差的影响。此外，该方法不需要后处理，如非最大抑制，显著提高了推理速度，并在 nuScenes 自动驾驶基准测试上取得了最先进的性能。
论文贡献：
- 本名为提出了一个基于 RGB 图像的三维目标检测模型。与现有的工作不同，DETR3D 在最后阶