SOAP：利用静止物体聚合伪标记进行 3D 物体检测的跨传感器域自适应
计算机视觉与模式识别
2024-01-10 v1
摘要
我们考虑了基于 LiDAR 的 3D 物体检测背景下的跨传感器域自适应问题，并提出了静止物体聚合伪标记 (SOAP) 方法，以生成高质量的静止物体伪标记。与当前最先进的域内实践仅聚合少量输入扫描不同，SOAP 在输入级别聚合整个点云序列，以减小传感器域差距。然后，通过我们所谓的准静止训练和空间一致性后处理，SOAP 模型为静止物体生成准确的伪标记，与少帧检测器相比，至少缩小了 30.3% 的域差距。我们的结果还表明，最先进的域自适应方法在与 SOAP 结合时，无论是在无监督还是半监督设置下，都能实现更高的性能。
引用
@article{arxiv.2401.04230,
title = {SOAP: Cross-sensor Domain Adaptation for 3D Object Detection Using Stationary Object Aggregation Pseudo-labelling},
author = {Chengjie Huang and Vahdat Abdelzad and Sean Sedwards and Krzysztof Czarnecki},
journal= {arXiv preprint arXiv:2401.04230},
year = {2024}
}
备注
Accepted by WACV 2024