4D 对比性 Superflow 是稠密 3D 表示学习者

在自动驾驶领域，准确的 3D 感知是基石。然而，开发此类模型依赖大量人工标注——过程既昂贵又费时。为从数据表示学习角度解决此问题，我们引入 SuperFlow，一种新型框架旨在利用连续的 LiDAR-相机配对建立时空预训练目标。SuperFlow 的独特之处在于集成两种关键设计：1）稠密到稀疏一致性正则化，促进特征学习对点云密度变化不敏感；2）基于流的对比学习模块，精心设计以从 readily 可用传感器标定中提取有意义的时序线索。为进一步提升学习效率，我们采用即插即用的视角一致性模块，以增强从相机视图蒸馏的知识对齐。广泛的跨 11 个异构 LiDAR 数据集的比较与消融实验验证了我们的有效性与优越性。此外，我们通过放大 2D 与 3D 主干网络在预训练期间的规模，观察到若干有趣的新兴属性，为 LiDAR 基于感知的 3D 基础模型研究指明了方向。