MixCycle：基于 Mixup 辅助与循环一致性的半监督三维单目标跟踪

三维单目标跟踪（SOT）是自动驾驶不可或缺的一部分。现有方法严重依赖大规模密集标注数据集。然而，点云标注成本高且耗时。受无监督二维 SOT 中循环跟踪巨大成功的启发，我们引入了首个三维 SOT 的半监督方法。具体而言，我们引入两种循环一致性策略用于监督：1）自跟踪循环，利用标签帮助模型在训练早期更好地收敛；2）前向-后向循环，增强跟踪器对运动变化及由模板更新策略引起的模板噪声的鲁棒性。此外，我们提出一种名为 SOTMixup 的数据增强策略，以提升跟踪器对点云多样性的鲁棒性。SOTMixup 以混合率对两个点云中的点进行采样来生成训练样本，并根据混合率分配合理的损失权重用于训练。所得的 MixCycle 方法可推广至基于外观匹配的跟踪器。在 KITTI 基准上，基于 P2B 跟踪器，使用 $\textbf{10\%}$ 标签训练的 MixCycle 优于使用 $\textbf{100\%}$ 标签训练的 P2B，并且在使用 $\textbf{1\%}$ 标签时实现了 $\textbf{28.4\%}$ 的精度提升。我们的代码将发布于 \url{https://github.com/Mumuqiao/MixCycle}。