简要介绍
提出一种序列融合机制（sequential fusion），利用运动引导（motion）来选择/变换历史信息用于当前帧，属于增量式/序列式融合的高效实现。
仓库连接：基于 OpenPCDet https://github.com/skyhehe123/MSF
将点云序列作为输入，运动引导序列融合（MSF）方法，在当前帧生成提议，通过运动引导序列池化，从序列中采样感兴趣点，采样的点被编码为高维提议特征并传递给基于区域的网络。其中有三个学习块细化提议特征，在基于区域的网络中引入了双向特征聚合模块，促进跨帧的提议特征交互
- 为什么到物体在序列中（之前时间帧）的位置 虽然物体运动速度不同，但是运动相对平滑，即可以估计他的运动位移，粗略的定位他们在先前帧的位置。把在当前帧生成的预测框传播到先前帧，在其位置采样点特征