LiDAR 蒸馏：弥合光束引起的域差距以提升三维目标检测
计算机视觉与模式识别
2022-08-16 v2 机器人学
摘要
在本文中，我们提出 LiDAR 蒸馏（LiDAR Distillation）以弥合不同 LiDAR 光束所引起的三维目标检测中的域差距。在许多实际应用中，量产机器人和车辆使用的 LiDAR 点通常比大规模公共数据集中的光束更少。此外，当 LiDAR 升级为具有不同光束数量的其他产品型号时，利用先前版本高分辨率传感器所采集的标注数据变得具有挑战性。尽管近期在域自适应三维检测上取得了进展，大多数方法仍难以消除光束引起的域差距。我们发现，在训练过程中将源域的点云密度与目标域对齐至关重要。受此发现的启发，我们提出一种渐进式框架来缓解光束引起的域偏移。在每次迭代中，我们首先通过对高光束点云下采样生成低光束伪 LiDAR，然后采用师生框架从具有更多光束的数据中蒸馏丰富信息。在 Waymo、nuScenes 和 KITTI 数据集上基于三种不同的 LiDAR 检测器的大量实验证明了我们的 LiDAR 蒸馏的有效性。值得注意的是，我们的方法不会为推理增加任何额外计算成本。
引用
@article{arxiv.2203.14956,
title = {LiDAR Distillation: Bridging the Beam-Induced Domain Gap for 3D Object Detection},
author = {Yi Wei and Zibu Wei and Yongming Rao and Jiaxin Li and Jie Zhou and Jiwen Lu},
journal= {arXiv preprint arXiv:2203.14956},
year = {2022}
}
备注
Accepted to ECCV 2022. Code is available at https://github.com/weiyithu/LiDAR-Distillation