All

[Algorithm-stack] 순서정렬

/****************************************************************************** Online C++ Compiler. Code, Compile, Run and Debug C++ program online. Write your code in this editor and press "Run" button to compile and execute it. *******************************************************************************/ #include #include #include #include #include #include int main() { int n; std::cin>>n;..

[Algorithm - 구현] 보물찾기

grid(w,h)와 보물개수, 사각형 /****************************************************************************** Online C++ Compiler. Code, Compile, Run and Debug C++ program online. Write your code in this editor and press "Run" button to compile and execute it. *******************************************************************************/ #include #include #include #include using namespace std; int main..

[Algorithm - 문자열] 공통문자열 찾기

N개 문자열 중에 공통된 문자열 찾기 /****************************************************************************** Online C++ Compiler. Code, Compile, Run and Debug C++ program online. Write your code in this editor and press "Run" button to compile and execute it. *******************************************************************************/ #include #include #include #include using namespace std; int main..

[paper review] Spherical Transformer for LiDAR-based 3D Recognition 논문리뷰

포스팅할 논문은 현재 기준 semantic segmentation leaderboard인 sematic KITTI에서 SoTA 성능, NuScenes 데이터에서는 rank2 에 랭크되어 있는 Spherical Transformer 모델입니다. 해당 논문은 기존의 transformer를 사용한 segmentation 모델의 약점인 SPARSE DISTANCE POINTS를 radial window self-attention을 이용하여 문제를 푼 모델입니다. Intro 기존의 방법들은 local operator를 사용하거나(SparseConv), 2D CNN등을 응용하여 사용하였습니다. 이 방법들은 sparse distant point문제의 해결에 굉장히 취약합니다. 그 원인은 receptive field가..

[paper review] SSDA3D 논문 리뷰

안녕하세요. 이번 포스팅은 SSDA3D라는 pointcloud 3D detection 모델의 Domain Adaptation관련 논문을 리뷰하겠습니다. AAAI에 publish된 해당 논문은 이전에 포스팅한 DA과는 다르게 최소의 target data의 label을 필요로 합니다. [paper review]Density-Insensitive Unsupervised Domain Adaption on 3D Object Detection 논문 리뷰 (model generalization) 이번 포스팅은 3D object detection에서 DA(domain adaptation)에 관련된 DUDA논문의 리뷰입니다. 해당 논문의 문제정의부터 보면 최근 3D Object Detection (좀 더 자세하게는 po..

[paper review] BEVFusion 논문 리뷰

이번 논문리뷰는 BEVFusion이라는 논문으로 3D Detection에서 multi-modal 그 중에서도 camera-lidar에 관련된 논문입니다. ICRA 23에 publish되고 현재기준으로 multi model 3D detection쪽에서 opensource중에서는 최고성능을 자랑하고 multi task로 쓸 수 있는 유용한 multi-model 3D detector라서 살펴보게 되었습니다. Intro 기존의 camera-lidar 를 fusion하여 Detection하는 모델들은 많았습니다. 대표적인 방법으로는 calibration matrix는 알고있다는 가정하에 lidar points들을 camera domain에 projection하여 fusion하는 방법입니다. 이 방법은 간편하지만 ..

[paper review] ST3D: Self-training for Unsupervised Domain Adaptation on 3D Object Detection 논문리뷰

안녕하세요. 이번 포스팅은 3D object detection에서 Domain Adaptation에 관련된 논문을 리뷰해보겠습니다. 3D object detection 더 좁게 설정하면 pointcloud detection은 다양한 domain에서의 data가 많지 않기때문에 model을 generalization하기 어렵습니다. 아래의 논문리뷰에서도 언급한 내용입니다. [paper review]Density-Insensitive Unsupervised Domain Adaption on 3D Object Detection 논문 리뷰 (model generalization) 이번 포스팅은 3D object detection에서 DA(domain adaptation)에 관련된 DUDA논문의 리뷰입니다. 해당..

[paper review]Density-Insensitive Unsupervised Domain Adaption on 3D Object Detection 논문 리뷰 (model generalization)

이번 포스팅은 3D object detection에서 DA(domain adaptation)에 관련된 DUDA논문의 리뷰입니다. 해당 논문의 문제정의부터 보면 최근 3D Object Detection (좀 더 자세하게는 pointcloud model을 의미합니다) 의 발전으로 only lidar raw data만으로도 높은 성능의 model이 연구/개발되고 있습니다. 하지만 model의 generalization의 문제가 있습니다. 예컨대 kitti로 pre-train 된 모델을 nuscene 데이터셋으로 test해보면 성능이 매우 낮습니다. pre-train된 yolo로 꽤 많은 class를 detection할 수 있는 이미지와는 대비되는 부분입니다. 이유로는 여러가지를 들 수 있습니다. 애초에 do..