ALPI：基于2D标签的3D目标检测自动标注器

3D目标检测在自动驾驶、机器人和增强现实等各种应用中发挥着关键作用。然而，训练3D检测器需要昂贵且精确的标注，这成为将标注规模化到大数据集的障碍。为解决这一挑战，我们提出一种弱监督的3D标注器，仅依赖于来自图像的2D边界框标注，以及尺寸先验。一个主要问题是，仅使用2D框监督3D检测模型不可靠，因为不同3D姿态可能具有相同的2D投影。我们引入一种简单而有效且通用的解决方案：通过构造方式构建带有标注的3D代理对象，并将其添加到训练数据集中。我们的方法仅需尺寸先验即可适应新类别。为更好地将2D监督与3D检测对齐，我们的方法以一种新颖的2D损失表达式确保深度不变性。最后，为了检测更具挑战性的实例，我们的标注器遵循一种离线伪标签方案，逐步改进其3D伪标签。在KITTI数据集上的大量实验表明，我们的方法不仅在汽车类别上表现与以前的工作相当或更好，还在更具挑战性的类别上达到了接近全监督方法的性能。我们进一步通过在更具挑战性的nuScenes数据集上进行首次实验，证明了我们方法的有效性和鲁棒性。我们还提出了一种设置，弱标签来自在MS-COCO上预训练的2D检测器，而非人工标注。代码可在https://github.com/CEA-LIST/ALPI获取。