迈向跨平台泛化：基于数据增强和伪标签的域自适应3D检测
计算机视觉与模式识别
2026-01-14 v1
摘要
本技术报告代表了RoboSense2025挑战赛中跨平台3D物体检测任务的获奖解决方案。我们的方法基于PVRCNN++，这是一个有效整合了点基和体素基特征的3D物体检测框架。在此基础之上，我们通过定制的数据增强和带有伪标签的自训练策略来缩小域差距，从而改进跨平台泛化。这些增强使我们的方法在挑战赛中获得了第三名，在阶段一的目标域上，Car类别的3D AP达到62.67%；在阶段二的目标域上，Car和Pedestrian类别的3D AP分别达到58.76%和49.81%。
引用
@article{arxiv.2601.08174,
title = {Towards Cross-Platform Generalization: Domain Adaptive 3D Detection with Augmentation and Pseudo-Labeling},
author = {Xiyan Feng and Wenbo Zhang and Lu Zhang and Yunzhi Zhuge and Huchuan Lu and You He},
journal= {arXiv preprint arXiv:2601.08174},
year = {2026}
}