PCT：用于多相机鸟瞰图分割的透视线索训练框架

为鸟瞰图（Bird's-Eye-View, BEV）分割生成标注面临巨大挑战，因为场景复杂且人工标注成本高昂。在这项工作中，我们通过利用大量可用的无标签数据来应对这些挑战。我们提出了透视线索训练（Perspective Cue Training, PCT）框架，这是一种新颖的训练框架，利用公开可用的大型街景数据集上训练的语义分割模型，从无标签透视图像生成伪标签。PCT 将透视视图任务头应用于与 BEV 分割头共享的图像编码器，有效利用无标签数据与生成的伪标签进行训练。由于图像编码器几乎存在于所有基于相机的 BEV 分割架构中，PCT 灵活且适用于各种现有的 BEV 架构。PCT 可应用于各种有无标签数据可用的设置。在本文中，我们将 PCT 应用于半监督学习（Semi-Supervised Learning, SSL）和无监督领域自适应（Unsupervised Domain Adaptation, UDA）。此外，我们通过相机丢弃（Camera Dropout, CamDrop）引入强输入扰动，并通过 BEV 特征丢弃（BEV Feature Dropout, BFD）引入特征扰动，这对于利用我们的师生框架增强 SSL 能力至关重要。我们的综合方法简单灵活，但在 SSL 和 UDA 的各种基线上取得了显著改进，甚至与当前最先进技术相比也达到了有竞争力的性能。