PLOT：基于视频对象跟踪的伪标签生成用于可扩展的单目3D目标检测

单目3D目标检测（M3OD）长期面临数据稀缺的挑战，这源于高标注成本和固有的2D到3D 模糊。虽然提出了各种弱监督方法和伪标签方法来解决这些问题，但它们大多受限于特定领域的学习，或仅依赖单次观察的形状信息。在本文中，我们提出了一种新型伪标签框架，只使用视频数据且对遮挡更鲁棒，不需要多视角设置、额外传感器、相机姿态或特定领域的训练。具体而言，我们探索了一种技术，用于聚合静态和动态对象在相邻时间帧中的伪 LiDAR，以实现在无法获取3D数据获取的场景中的3D属性提取。广泛的实验表明，我们的方法确保了可靠的准确性和强大的可扩展性，使其成为 M3OD 的实用且有效的解决方案。