弱立方 R-CNN：仅使用 2D 边界框进行弱监督 3D 检测
计算机视觉与模式识别
2025-04-21 v1
摘要
单目 3D 目标检测是计算机视觉中的重要任务，在机器人和虚拟现实领域具有多个应用。然而，3D 目标检测器通常以全监督方式进行训练，依赖大量 3D 标注数据，这些数据在标注上耗时且成本高昂。本工作聚焦于弱监督 3D 检测，以减少数据需求，提出一种单目方法，仅使用单摄像机系统即可实现，无需昂贵的激光雷达传感器或多摄像机 setup。我们提出了通用模型 Weak Cube R-CNN，能够在推理时预测 3D 中的目标，仅需 2D 边界框标注即可完成训练，通过利用 2D 3D 立方体投影之间的关系。我们的方法利用预训练的冻结基础 2D 模型来估计训练集中的深度和姿态信息。我们将这些估计值用作训练中的伪ground truth。我们设计的损失函数无需 3D 标签，即可将外部模型的信息纳入损失中。如此，我们旨在在没有 3D 边界框标注的情况下，从这些大型基础 2D 模型中传递知识。在 SUN RGB-D 数据集上的实验结果表明，我们的方法在准确率上优于以标注时间等效的 Cube R-CNN 基线。虽然此方法不够精确，难以实现厘米级测量，但为进一步的研究提供了有力基础。
引用
@article{arxiv.2504.13297,
title = {Weak Cube R-CNN: Weakly Supervised 3D Detection using only 2D Bounding Boxes},
author = {Andreas Lau Hansen and Lukas Wanzeck and Dim P. Papadopoulos},
journal= {arXiv preprint arXiv:2504.13297},
year = {2025}
}
备注
14 pages, 5 figures. Accepted for 23rd Scandinavian Conference, SCIA 2025, Reykjavik, Iceland