IMKD：面向相机-雷达融合的强度感知多级知识蒸馏
计算机视觉与模式识别
2025-12-18 v1 机器学习
摘要
通过利用知识蒸馏而无需在推理时使用LiDAR，可以实现高性能的雷达-相机三维目标检测。然而，现有的蒸馏方法通常将模态特定特征直接传递给每个传感器，这可能会扭曲其独特特征并削弱其各自的优势。为了解决这一问题，我们提出了IMKD，一个基于多级知识蒸馏的雷达-相机融合框架，在保留每个传感器固有特征的同时放大它们的互补优势。IMKD应用三阶段、强度感知的蒸馏策略来丰富架构中的融合表示：（1）LiDAR到雷达的强度感知特征蒸馏，以细粒度结构线索增强雷达表示；（2）LiDAR到融合特征的强度引导蒸馏，在融合层面选择性突出有用的几何和深度信息，促进模态间的互补性而非强制对齐；（3）相机-雷达强度引导融合机制，促进有效的特征对齐和校准。在nuScenes基准上的广泛实验表明，IMKD达到了67.0%的NDS和61.0%的mAP，超越了所有先前的基于蒸馏的雷达-相机融合方法。我们的代码和模型可在 https://github.com/dfki-av/IMKD/ 获取。
引用
@article{arxiv.2512.15581,
title = {IMKD: Intensity-Aware Multi-Level Knowledge Distillation for Camera-Radar Fusion},
author = {Shashank Mishra and Karan Patil and Didier Stricker and Jason Rambach},
journal= {arXiv preprint arXiv:2512.15581},
year = {2025}
}
备注
Accepted at IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026. 22 pages, 8 figures. Includes supplementary material