GeoTeacher：几何引导的半监督 3D 物体检测
计算机视觉与模式识别
2026-03-03 v2
摘要
半监督 3D 物体检测旨在利用未标记数据来提升 3D 物体检测器，近年来已成为一个活跃的研究领域。先前的一些方法通过采用异构教师模型提供高质量伪标签，或强制教师网络与学生网络之间的特征视角一致性，取得了显著改进。然而，这些方法忽略了一个事实：在标记数据有限的情况下，模型通常对物体几何表现出较低的敏感性，导致难以捕获几何信息，而这对于增强学生模型在物体感知与定位方面的能力至关重要。在本文中，我们提出 GeoTeacher，以在训练数据有限（尤其是未标记数据）的情况下，增强学生模型捕获物体几何关系的能力。我们设计了一个基于关键点的几何关系监督模块，将教师模型的物体几何知识传递给学生，从而提高学生理解几何关系的能力。此外，我们引入了一种逐体素数据增强策略，增加了物体几何的多样性，从而进一步提升学生模型理解几何结构的能力。为了在增强过程中保持远处物体的完整性，我们在该策略中引入了距离衰减机制。此外，GeoTeacher 可以与不同的 SS3D 方法结合以进一步提升其性能。在 ONCE 和 Waymo 数据集上的大量实验表明了我们方法的有效性和泛化能力，并取得了新的最先进结果。代码将发布于 https://github.com/SII-Whaleice/GeoTeacher
关键词
引用
@article{arxiv.2512.23147,
title = {GeoTeacher: Geometry-Guided Semi-Supervised 3D Object Detection},
author = {Jingyu Li and Xiaolong Zhao and Zhe Liu and Wenxiao Wu and Li Zhang},
journal= {arXiv preprint arXiv:2512.23147},
year = {2026}
}
备注
Accepted for publication in 2026 IEEE International Conference on Robotics and Automation (ICRA)