VisionPAD:一种以视觉为中心的自动驾驶预训练范式！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 本文介绍了一种名为VisionPAD的新颖自监督预训练范式，该范式专为自动驾驶中的以视觉为中心的算法设计。与先前的采用神经渲染和显式深度监督的方法不同，VisionPAD利用更高效的3D高斯插值来仅使用图像作为监督重建多视图表示。 具体而言，作者提出了一种自监督的 Voxel 速度估计方法。通过将 Voxel 变形到相邻帧并监督渲染输出，模型在连续数据中有效地学习运动线索。 此外，作者采用了一种多帧光度一致性方法来增强几何感知。该方法根据渲染深度和相对位置将相邻帧投影到当前帧，通过纯图像监督增强3D几何表示。 在自动驾驶数据集上的广泛实验表明，VisionPAD在三维目标检测、占用预测和地图分割方面显著提高了性能，远远超过了 ………………………………