基于常识原型的户外无监督3D目标检测
计算机视觉与模式识别
2024-06-27 v3
摘要
现有的无监督3D目标检测方法通常采用基于聚类的伪标签生成和迭代自训练流程。然而，由于LiDAR扫描的稀疏性，导致伪标签的尺寸和位置错误，进而造成检测性能不佳。为解决此问题，本文引入一种基于常识原型的检测器，称为Commonsense Prototype-based Detector (CPD)，用于无监督3D目标检测。CPD首先基于常识直觉构建具有高质量边界框和稠密点的常识原型 (CProto)。随后，CPD利用CProto中的尺寸先验对低质量伪标签进行细化。此外，CPD通过CProto中的几何知识提升稀疏扫描目标的检测精度。CPD在Waymo Open Dataset (WOD)、PandaSet和KITTI数据集上均显著优于最先进的无监督3D检测器。此外，训练CPD于WOD上测试于KITTI，分别在易和中等难度的汽车类别上获得90.85%和81.01%的3D平均精度。这些成就使CPD接近完全监督检测器，凸显了该方法的重要性。代码将在https://github.com/hailanyi/CPD发布。
引用
@article{arxiv.2404.16493,
title = {Commonsense Prototype for Outdoor Unsupervised 3D Object Detection},
author = {Hai Wu and Shijia Zhao and Xun Huang and Chenglu Wen and Xin Li and Cheng Wang},
journal= {arXiv preprint arXiv:2404.16493},
year = {2024}
}
备注
Accepted by CVPR 2024