去噪任务的影响

[huichen98]

noise on the box

        if self.dn_bbox_noise_scale > 0:
            wlh = known_bbox_expand[..., 3:6].clone()
            rand_prob = torch.rand_like(known_bbox_expand) * 2 - 1.0
            known_bbox_expand[..., 0:3] += torch.mul(rand_prob[..., 0:3], wlh / 2) * self.dn_bbox_noise_scale
            # known_bbox_expand[..., 3:6] += torch.mul(rand_prob[..., 3:6], wlh) * self.dn_bbox_noise_scale
            # known_bbox_expand[..., 6:7] += torch.mul(rand_prob[..., 6:7], 3.14159) * self.dn_bbox_noise_scale

作者你好，我试了一下打开后面两行代码，在自己数据集上似乎没有带来指标上的优化，想知道去噪任务对sparsebev来说作用有多大？
感谢

[afterthat97]

就中心点的dn比较有用，scale和orientation的都不涨点

[huichen98]

感谢答复，我们还发现在角度预测上 sparsebev 要优于bevformer，bevformer采样点虽然很密集，但由于是固定点，似乎收益不大

[afterthat97]

是的，灵活一点比较好

[Liiiiiiiu]

query denoising 要应用到bevformer中的话，效果会怎样，准备试一下，所以请教一下您是否建议这样做呢~

[afterthat97]

@Liiiiiiiu 这有啥好建议的，你想试试就试试呗，再说这应该去问bevformer作者

[Liiiiiiiu]

行，感谢~