3DRot：重新发现基于 RGB 的 3D 增强缺失的原始要素

基于 RGB 的 3D 任务（例如 3D 检测、深度估计、3D 关键点估计）仍因标注稀缺、昂贵且增强工具箱薄弱而受限，因为许多图像变换（包括旋转和扭曲）会破坏几何一致性。虽然水平翻转和颜色抖动已成为标准，但严格的 3D 旋转增强在 RGB 管道中却意外地缺席了，主要是由于误以为需要场景深度或场景重建。在本文中，我们引入 3DRot，这是一个即插即用的数据增强方法，通过围绕相机光心旋转和镜像图像，同时同步更新 RGB 图像、相机内参、物体姿态和 3D 标注，以保持投影几何，从而在不依赖任何场景深度的情况下实现几何一致的旋转和反射。我们首先在经典的 RGB 基于 3D 任务——单目 3D 检测上验证了 3DRot。在 SUN RGB-D 上，将 3DRot 插入冻结的 DINO-X + Cube R-CNN 管道后，$IoU_{3D}$ 从 43.21 提升至 44.51，旋转误差（ROT）从 $22.91^\circ$ 降至 $20.93^\circ$，$mAP_{0.5}$ 从 35.70 提升至 38.11；在跨域 IN10 数据集上也出现较小但持续的提升。除了单目检测之外，在标准 BTS 数据增强方案之上添加 3DRot 进一步提高了 NYU Depth v2 在 abs-rel（从 0.1783 提升至 0.1685）和 $\delta<1.25$（从 0.7472 提升至 0.7548）中的性能，并降低了 SUN RGB-D 上的跨数据集误差。在 KITTI 上，应用相同的相机中心旋转到 MVX-Net（激光雷达+RGB）中，将中等等级 3D AP 从约 63.85 提升至 65.16，同时与标准 3D 数据增强保持兼容。