Time-to-Label：用于自监督单目3D目标检测的时间一致性
计算机视觉与模式识别
2022-07-27 v1 机器人学
摘要
单目3D目标检测因RGB相机的成本优势和更广泛可用性而持续受到关注。尽管近期取得进展且能够大规模获取数据，在监督设定下标注成本和复杂性仍限制了3D目标检测数据集的规模。另一方面，自监督方法旨在依赖 pretext 任务或各种一致性约束来训练深度网络。此外，其他3D感知任务（如深度估计）已显示出时间先验作为自监督信号的优势。本文中，我们认为物体位姿层级的时间一致性在给定物理运动强先验下提供了重要的监督信号。具体而言，我们提出一种自监督损失，除渲染对比损失外利用该一致性来精炼含噪位姿预测并推导高质量伪标签。为评估所提方法的有效性，我们使用在真实数据上生成的伪标签微调一个合成训练的单目3D目标检测模型。在标准KITTI3D基准上的评估表明，我们的方法与其他单目自监督和监督方法相比达到了具有竞争力的性能。
引用
@article{arxiv.2203.02193,
title = {Time-to-Label: Temporal Consistency for Self-Supervised Monocular 3D Object Detection},
author = {Issa Mouawad and Nikolas Brasch and Fabian Manhardt and Federico Tombari and Francesca Odone},
journal= {arXiv preprint arXiv:2203.02193},
year = {2022}
}