TADP: 単一ステージ3D物体検出のためのタスク認識変形予測

TADP（Task-Aware Deformable Prediction）は、単段階3D物体検出のための新しい手法である。従来の単段階検出器は、異なるタスク（分類、回帰など）に同じ特徴量を使用していたが、TADPはタスクごとに適応的な特徴を抽出し、予測を変形させることで性能向上を図る。具体的には、triple feature refinement aggregation module、multi-scale feature aggregation block、task-aware deformation headの3つの要素から構成される。

先行研究では、単段階検出器が全タスクに共通の特徴空間を用いており、タスクごとの最適な特徴表現が異なるという問題があった。TADPは、タスクごとに特徴を適応的に変形させることで、この問題を解決している点が新しい。また、提案するdeformation headはプラグアンドプレイで他の検出器にも適用可能であり、汎用性が高い。

手法の核は、タスクごとに予測を変形させるtask-aware deformation headである。これは、各タスクの重要度と相互作用を学習し、特徴を変形させる。また、triple feature refinement aggregation moduleで3レベルの特徴を適応的に抽出し、multi-scale feature aggregation blockでスケールを考慮した特徴融合を行う。さらに、3種類の変形モジュールを設計している。

KITTIデータセットを用いて評価し、車両クラスのmAPが80.91%を達成し、多くのstate-of-the-art手法を上回った。また、提案したdeformation headを他の検出方法に適用しても良好な結果が得られたと報告している。

要旨からは、変形モジュールの詳細な比較や、他のクラス（歩行者、自転車）での性能、計算コスト、限界などについては不明である。また、KITTIデータセットのみでの評価であり、他のデータセットでの汎用性は不明。

要旨で参照されているstate-of-the-art手法や関連研究が明記されていないため、具体的な論文名は不明。同分野の定番として、3D物体検出のためのVoxelNet、PointPillars、SECOND、CenterPointなどが挙げられる。