BEVCon：通过对比学习提升鸡瞰视角感知
计算机视觉与模式识别
2025-08-07 v1
摘要
我们 present BEVCon，一个简单而有效的对比学习框架，用于提高自动驾驶中鸡瞰视角（BEV）感知。BEV 感知以俯视角表示周围环境，对于 3D 对象检测、分割和轨迹预测任务至关重要。虽然先前工作主要关注增强 BEV 编码器和任务特定头部，但我们聚焦于 BEV 模型中表示学习的未被充分挖掘的潜力。BEVCon 引入了两个对比学习模块：一个用于细化 BEV 特征的实例特征对比模块，以及一个增强图像 backbone 的视角对比模块。在检测损失之上设计的稠密对比学习，导致 BEV 编码器和 backbone 两者的特征表示得到改进。在 nuScenes 数据集上进行的大量实验表明，BEVCon 相对于最先进的基线实现了持续的性能提升，最高可实现 +2.4% 的 mAP 提升。我们的结果凸显了表示学习在 BEV 感知中的关键作用，为传统任务特定优化提供了一种互补途径。
引用
@article{arxiv.2508.04702,
title = {BEVCon: Advancing Bird's Eye View Perception with Contrastive Learning},
author = {Ziyang Leng and Jiawei Yang and Zhicheng Ren and Bolei Zhou},
journal= {arXiv preprint arXiv:2508.04702},
year = {2025}
}