论文标题：MonoJSG：Joint Semantic and Geometric Cost Volume for Monocular 3D Object Detection
作者：Qing Lian（HKUST） ，Peiliang Li（DJI，VINS-Mono二作）， Xiaozhi Chen（DJI）
来源：CVPR 2022
论文链接：https://arxiv.org/abs/2203.08563
Code：https://github.com/lianqing11/MonoJSG（代码即将开源）
整理：高斯球
一、引言动机：由于 2D-3D 投影固有的不适定性，单目 3D 物体检测缺乏准确的深度恢复能力；尽管深度神经网络 (DNN) 能够从高级学习特征进行单目深度感知，但由于深度卷积机制，像素级线索通常被忽略；
论文简述：作者将单目物体深度估计重新表述为渐进改进问题，并提出联合语义和几何代价量来对深度误差进行建模，该方法利用像素级视觉线索来改进边界框提
