面向无监督 3D 通用障碍物检测的多模态基础模型
计算机视觉与模式识别
2024-08-23 v1
摘要
当前的自动驾驶感知模型主要依赖于监督学习，仅限于预定义的类别。然而，这些模型在检测由于其变异性和众多边缘情况而不包含在固定类别集合中的通用障碍物时表现不佳。为此，我们提出了一种结合多模态基础模型的障碍物分割与传统无监督计算几何学中的 outlier 检测方法。我们的 approach operates offline，允许我们利用 non-causality，采用 training-free 方法。这使我们能够在无需昂贵 retraining 的情况下检测 3D 中的通用障碍物。为克服公开障碍物检测数据集的局限性，我们收集并标注了自己的数据集，其中包括各种障碍物，即使在远程区域也如此。
引用
@article{arxiv.2408.12322,
title = {Multimodal Foundational Models for Unsupervised 3D General Obstacle Detection},
author = {Tamás Matuszka and Péter Hajas and Dávid Szeghy},
journal= {arXiv preprint arXiv:2408.12322},
year = {2024}
}