9月10日消息，在论文《Fast Point R-CNN》中，贾佳亚等提出了一个统一、高效且有效的，基于点云的三维目标检测框架。其两阶段方法采用体素表示和原始点云数据并充分利用了它们的优势。第一阶段的网络，以体素表示为输入，只包含轻量卷积运算，产生少量高质量的初始预测。初始预测中每个点的坐标和索引卷积特征与注意机制有效融合，既保留了准确的定位信息，又保留了上下文信息。第二阶段研究内部点及其融合特征，以进一步完善预测。该方法在KITTI数据集上进行了评估，包括3D和鸟瞰图（BEV）检测，以15FPS的检测速率达到了最先进的水平。