HUNTER: 通过从合成实例到真实场景的知识迁移实现无监督以人为中心的3D检测

以人为中心的3D场景理解最近因其对机器人技术的关键影响而受到越来越多的关注。然而，以人为中心的现实场景极其多样和复杂，人类具有复杂的运动和交互。由于标注数据有限，监督方法难以泛化到一般场景，阻碍了实际应用。模仿人类智能，我们提出了一种无监督的3D检测方法，用于以人为中心的场景，通过将合成人体实例的知识迁移到真实场景。为了弥合合成模型和真实点云之间不同数据表示和特征分布的差距，我们引入了新颖的模块，用于有效的实例到场景表示迁移和合成到真实特征对齐。值得注意的是，我们的方法在mAP上比当前最先进技术提高了87.8%，并且在HuCenLife数据集上接近完全监督方法的性能（62.15 mAP vs. 69.02 mAP）。