View-to-Label：用于自监督 3D 目标检测的多视角一致性
计算机视觉与模式识别
2023-05-30 v1
摘要
对于自动驾驶车辆，安全驾驶高度依赖于在 3D 空间中正确感知环境的能力，因此 3D 目标检测任务构成了感知的基本方面。虽然 3D 传感器提供精确的度量感知，单目方法在成本和可用性方面具有优势，在广泛应用中有价值。遗憾的是，训练单目方法需要大量标注数据。有趣的是，自监督方法近来已成功应用于简化训练过程并解锁对广泛可用的无标签数据的访问。尽管相关研究利用包括激光雷达（LIDAR）扫描和立体图像在内的不同先验，此类先验再次限制了可用性。因此，在本工作中，我们提出一种仅从 RGB 序列出发、利用多视角约束与弱标签来自监督 3D 目标检测的新方法。我们在 KITTI 3D 数据集上的实验表明，其性能与使用激光雷达扫描或立体图像的最先进自监督方法相当。
引用
@article{arxiv.2305.17972,
title = {View-to-Label: Multi-View Consistency for Self-Supervised 3D Object Detection},
author = {Issa Mouawad and Nikolas Brasch and Fabian Manhardt and Federico Tombari and Francesca Odone},
journal= {arXiv preprint arXiv:2305.17972},
year = {2023}
}