WeakM3D:面向弱监督单目 3D 目标检测
计算机视觉与模式识别
2022-03-17 v1
摘要
单目 3D 目标检测是 3D 场景理解中最具挑战性的任务之一。由于单目图像的不适定性,现有单目 3D 检测方法高度依赖在 LiDAR 点云上人工标注的 3D 框标签进行训练。该标注过程非常费力且昂贵。为摆脱对 3D 框标签的依赖,本文探索弱监督单目 3D 检测。具体而言,我们首先在图像上检测 2D 框。然后,采用生成的 2D 框选取对应的 RoI LiDAR 点作为弱监督。最终,我们采用一个网络预测能与相关 RoI LiDAR 点紧密对齐的 3D 框。该网络通过最小化我们新提出的 3D 框估计与对应 RoI LiDAR 点之间的 3D 对齐损失来学习。我们将阐明上述学习问题的潜在挑战,并通过在方法中引入若干有效设计来解决这些挑战。代码将发布于 https://github.com/SPengLiang/WeakM3D。
引用
@article{arxiv.2203.08332,
title = {WeakM3D: Towards Weakly Supervised Monocular 3D Object Detection},
author = {Liang Peng and Senbo Yan and Boxi Wu and Zheng Yang and Xiaofei He and Deng Cai},
journal= {arXiv preprint arXiv:2203.08332},
year = {2022}
}
备注
Accepted by ICLR 2022