SSC3OD：基于 LiDAR 点云的稀疏监督协同三维目标检测
计算机视觉与模式识别
2023-07-04 v1
摘要
协同三维目标检测凭借多智能体间增强的交互优势，已在自动驾驶中得到广泛探索。然而，现有全监督范式下的协同三维目标检测器严重依赖大规模标注的三维边界框，这耗费人力且耗时。为应对此问题，我们提出一种稀疏监督协同三维目标检测框架 SSC3OD，其仅要求每个智能体随机标注场景中的一个目标。具体而言，该模型由两项新颖组件构成，即基于柱体的掩码自编码器（Pillar-MAE）与实例挖掘模块。Pillar-MAE 模块旨在以自监督方式推理高层语义，实例挖掘模块为协同检测器在线生成高质量伪标签。通过引入这些简洁而有效的机制，所提 SSC3OD 可缓解不完整标注的负面影响。我们基于协同感知数据集生成稀疏标签以评估本方法。在三个大规模数据集上的大量实验表明，我们所提 SSC3OD 能有效提升稀疏监督协同三维目标检测器的性能。
引用
@article{arxiv.2307.00717,
title = {SSC3OD: Sparsely Supervised Collaborative 3D Object Detection from LiDAR Point Clouds},
author = {Yushan Han and Hui Zhang and Honglei Zhang and Yidong Li},
journal= {arXiv preprint arXiv:2307.00717},
year = {2023}
}
备注
8 pages, 3 figures, IEEE International Conference on Systems, Man, and Cybernetics (SMC 2023)