V-MIND：利用多样化2D标注构建多功能单目室内3D检测器

室内单目3D目标检测领域正受到越来越多的关注，这得益于VR/AR和机器人应用需求的增长。然而，由于3D数据收集和标注过程的劳动密集型特性，3D训练数据的可用性和多样性有限，阻碍了其发展。在本文中，我们提出了V-MIND（多功能单目室内检测器），它通过利用公开可用的大规模2D数据集，提升了室内3D检测器在多样化目标类别上的性能。通过利用成熟的单目深度估计技术和相机内参预测器，我们可以将大规模2D图像转换为3D点云，并随后生成伪3D边界框，从而生成3D训练数据。为了减轻转换点云中固有的距离误差，我们引入了一种新颖的3D自校准损失，用于在训练过程中细化伪3D边界框。此外，我们提出了一种新颖的模糊性损失，以解决从2D数据集引入新类别时出现的模糊性问题。最后，通过与现有3D数据集以及从2D数据集导出的伪3D边界框进行联合训练，V-MIND在Omni3D室内数据集上实现了广泛类别上的最先进目标检测性能。