基于跨模态信号的自监督鸟瞰图运动预测
计算机视觉与模式识别
2024-01-23 v1
摘要
以自监督方式学习密集的鸟瞰图(BEV)运动流是机器人与自动驾驶领域的新兴研究。当前的自监督方法主要依赖点云间的点对应关系，这可能引入伪流和不一致性问题，阻碍模型学习准确且真实的运动。在本文中，我们提出了一种新颖的跨模态自监督训练框架，通过利用多模态数据获取监督信号来有效解决这些问题。我们设计了三种创新的监督信号以保持场景运动的固有属性，包括掩码 Chamfer 距离损失、分段刚性损失和时间一致性损失。通过大量实验，我们证明所提出的自监督框架在运动预测任务上优于所有以往的自监督方法。
引用
@article{arxiv.2401.11499,
title = {Self-Supervised Bird's Eye View Motion Prediction with Cross-Modality Signals},
author = {Shaoheng Fang and Zuhong Liu and Mingyu Wang and Chenxin Xu and Yiqi Zhong and Siheng Chen},
journal= {arXiv preprint arXiv:2401.11499},
year = {2024}
}