Perception & Reconstruction
从二维像素中逆推三维世界，在不确定的噪声里寻找确定的特征。这里记录关于深度学习、空间感知与代码的折腾日常。
OCM3D: Object-Centric Monocular 3D Object Detection
🏛️ 会议/期刊：arxiv 📅 发表年份：2021 💻 开源代码：OBMO_GUPNet 📄 论文题目：OCM3D: Object-Centric Monocular 3D Object Detection 1. 文献背景、研究目的与核心问题 研究背景：单目 3D 目标检测（Monocular 3D Object Detection）是一个高度病态（ill-posed）的问题。主流方法通常依赖纯图像或将其转化为伪激光雷达（Pseudo-LiDAR）点云。然而，前者难以捕捉像素间的 3D 空间几何关系，后者则受困于单目深度估计带来的巨大点云噪声。 ...
LR3D: Improving Distant 3D Object Detection Using 2D Box Supervision
🏛️ 会议/期刊：CVPR 📅 发表年份：2024 💻 开源代码：无 📄 论文题目：Improving Distant 3D Object Detection Using 2D Box Supervision 这篇由 NVIDIA 等机构的研究人员发表在 CVPR 2024 的重磅论文 《Improving Distant 3D Object Detection Using 2D Box Supervision》(简称 LR3D)，切入了一个目前高阶自动驾驶极其头疼的落地难题：远距离感知（Long-Range Detection）。它展示了如何用最廉价的标注，榨取单目视觉在远距离上的极限潜力。 ...
StreamPETR-QAF2D：Enhancing 3D Object Detection with 2D Detection-Guided Query Anchors
🏛️ 会议/期刊：CVPR 📅 发表年份：2024 💻 开源代码：nullmax-vision/QAF2D-CVPR 2024 📄 论文题目：Enhancing 3D Object Detection with 2D Detection-Guided Query Anchors 这篇发表于 CVPR 2024 的论文 《Enhancing 3D Object Detection with 2D Detection-Guided Query Anchors》(简称 QAF2D) 极具工程实用价值。它没有死磕 3D 空间中的特征提取瓶颈，而是打出了一套极其聪明的“降维组合拳”，巧妙地利用成熟的 2D 视觉技术来为 3D 检测器“引路”。 ...
OBMO: One Bounding Box Multiple Objects for Monocular 3D Object Detection
🏛️ 会议/期刊：IEEE TIP 📅 发表年份：2023 💻 开源代码：mrsempress/OBMO_patchnet 📄 论文题目：OBMO: One Bounding Box Multiple Objects for Monocular 3D Object Detection 这篇发表于 IEEE TIP (2023) 的经典论文 《OBMO: One Bounding Box Multiple Objects for Monocular 3D Object Detection》 切入点非常犀利。它没有在复杂的网络主干上做文章，而是直击单目 3D 目标检测在“底层数学物理逻辑”上的痛点，提出了一种极其优雅的“即插即用（Plug-and-play）”训练策略。 ...
Open Vocabulary Monocular 3D Object Detection
🏛️ 会议/期刊：3DV 📅 发表年份：2026 💻 开源代码：UVA-Computer-Vision-Lab/ovmono3d 📄 论文题目：Open Vocabulary Monocular 3D Object Detection 一、 背景、研究目的与核心问题 研究背景： 传统的单目 3D 目标检测（M3OD）模型都属于“闭集（Closed-set）”学习。这意味着模型只能检测训练集中预先定义好的那几种类别（例如 KITTI 数据集里的车、人、自行车）。但在真实的自动驾驶或机器人场景中，会遇到无数的长尾目标（如遗落的轮胎、奇形怪状的施工路障、甚至是一只突然窜出的动物）。 ...
MonoXiver： Monocular 3D Object Detection with Bounding Box Denoising in 3D by Perceiver
🏛️ 会议/期刊：ICCV 📅 发表年份：2023 💻 开源代码：Xianpeng919/monoxiver (ICCV'23) 📄 论文题目：Monocular 3D Object Detection with Bounding Box Denoising in 3D by Perceiver 这篇发表于 ICCV 2023 的论文 《Monocular 3D Object Detection with Bounding Box Denoising in 3D by Perceiver》(简称 MonoXiver)，提供了一个非常经典且极具工程价值的“自上而下（Top-down）”纠错思路。它并没有试图发明一种全新的主干网络，而是设计了一个强大的“插件”，专门用来拯救那些定位不准的预测框。 ...
