BEVContrast：用于车载激光雷达点云鸟瞰图空间的自监督
计算机视觉与模式识别
2023-10-27 v1 机器学习
摘要
我们提出一种令人惊讶地简单且高效的车载激光雷达点云 3D 骨干网络自监督方法。我们设计了一种在同一场景所捕获激光雷达扫描特征之间的对比损失。文献中已提出若干此类方法：从在点级别使用对比的 PointContrast，到在最先进 TARL 中在段级别（大致对应物体）使用对比。前者实现极为简单，但被后者超越，而后者需要昂贵的预处理。在 BEVContrast 中，我们将对比定义于鸟瞰图平面中 2D 单元级别。所得的单元级表示在 PointContrast 利用的点级表示与 TARL 利用的段级表示之间提供了良好折衷：我们保留了 PointContrast 的简洁性（单元表示计算代价低），同时在下游语义分割中超越 TARL 的性能。
引用
@article{arxiv.2310.17281,
title = {BEVContrast: Self-Supervision in BEV Space for Automotive Lidar Point Clouds},
author = {Corentin Sautier and Gilles Puy and Alexandre Boulch and Renaud Marlet and Vincent Lepetit},
journal= {arXiv preprint arXiv:2310.17281},
year = {2023}
}
备注
Accepted to 3DV 2024