基于 LiDAR 的协作蒸馏，实现稳健的 2D 表示
计算机视觉与模式识别
2026-02-16 v1
摘要
随着深度学习的不断进步，自监督学习在各个方面取得了 considerable 进展。这使得 2D 图像编码器能够提取用于各种下游任务的有用特征，包括与基于视觉的系统相关的任务。然而，预训练的 2D 图像编码器在清晰白天场景之外的噪声和恶劣天气条件下，难以完成该任务，这需要稳健的视觉感知。为此，我们提出一种新颖的自监督方法，**Collaborative Distillation**，该方法利用 3D LiDAR 作为自监督信号，以保持其原始能力，提高 2D 图像编码器对噪声和恶劣天气条件的鲁棒性。我们的方法在各种下游任务中均优于 competing 方法，并表现出强大的泛化能力。此外，我们的方法还提高了来自 LiDAR 特征的 3D 感知能力。这一进展凸显了该方法在实际场景中的实用性和适应性。
引用
@article{arxiv.2602.12524,
title = {LiDAR-Anchored Collaborative Distillation for Robust 2D Representations},
author = {Wonjun Jo and Hyunwoo Ha and Kim Ji-Yeon and Hawook Jeong and Tae-Hyun Oh},
journal= {arXiv preprint arXiv:2602.12524},
year = {2026}
}