基于多视图投影与方向一致性的弱监督单目3D目标检测
计算机视觉与模式识别
2023-03-16 v1
摘要
单目3D目标检测因其易用性已成为自动驾驶中的主流方法。其显著优势在于推理阶段不需要LiDAR点云。然而，当前多数方法仍依赖3D点云数据来标注训练阶段所用的真值。这种训练与推理间的不一致使得难以利用大规模反馈数据并增加了数据收集开销。为弥补此差距，我们提出一种新的弱监督单目3D目标检测方法，其仅需图像上标注的2D标签即可训练模型。具体而言，我们探究了该任务中三类一致性，即投影、多视图与方向一致性，并基于这些一致性设计了弱监督架构。此外，我们提出了该任务中一种新的2D方向标注方法以引导模型准确预测旋转方向。实验表明，我们的弱监督方法取得了与部分全监督方法相当的性能。当用作预训练方法时，我们的模型仅用1/3的3D标签即可显著优于相应的全监督基线。https://github.com/weakmono3d/weakmono3d
引用
@article{arxiv.2303.08686,
title = {Weakly Supervised Monocular 3D Object Detection using Multi-View Projection and Direction Consistency},
author = {Runzhou Tao and Wencheng Han and Zhongying Qiu and Cheng-zhong Xu and Jianbing Shen},
journal= {arXiv preprint arXiv:2303.08686},
year = {2023}
}
备注
CVPR 2023