基于神经分布先验的LiDAR 离群检测
计算机视觉与模式识别
2026-04-20 v2 人工智能
摘要
LiDAR-based感知对于自动驾驶至关重要，因其对恶劣灯光和可见性条件具有鲁棒性。然而，现有模型在闭合集合假设下运行，常在识别开放世界中意外的离群检测(OOD)目标时失败。现有ODD评分函数因忽视LiDAR ODD检测中显著的类别不平衡以及假设统一类别分布而表现有限。为此，我们提出神经分布先验(NDP)，一种建模网络预测分布结构、基于与所学分布先验对齐来自适应重加权ODD评分的框架。NDP动态捕获训练数据中的logit分布模式，通过注意力模块纠正类别相关的置信度偏差。我们进一步引入基于Perlin噪声的ODD合成策略，从输入扫描生成多样化的辅助ODD样本，实现无需外部数据集的稳健ODD训练。广泛的实验在SemanticKITTI和STU基准测试中表明，NDP显著提升了ODD检测性能，在STU测试集上实现61.31%的点级AP，远高于前所未有的10倍以上。该框架与各种现有ODD评分公式兼容，为开放世界LiDAR感知提供了有效解决方案。
引用
@article{arxiv.2604.09232,
title = {Neural Distribution Prior for LiDAR Out-of-Distribution Detection},
author = {Zizhao Li and Zhengkang Xiang and Jiayang Ao and Feng Liu and Joseph West and Kourosh Khoshelham},
journal= {arXiv preprint arXiv:2604.09232},
year = {2026}
}
备注
CVPR 2026