【pcl：预测一致性学习，保证3D检测稳定性】

文章预览

在ECCV 2024上发表的论文《Towards Stable 3D Object Detection》介绍了一种新的度量标准——稳定性指数（Stability Index，简称SI）以及一种训练策略——预测一致性学习（Prediction Consistency Learning，简称PCL）。作者认为，尽管当前的度量标准如mAP和MOTA在评估检测准确性方面非常有效，但它们并没有考虑到3D目标检测器的时间稳定性，而这对于确保自动驾驶的安全性至关重要。 论文的主要贡献包括： 1. **稳定性指数（SI）**：提出了一种新的度量标准，用于评估3D目标检测器的稳定性。SI评估了检测的各种属性在时间上的一致性，包括置信度分数、边界框位置、范围和方向。 2. **预测一致性学习（PCL）**：设计了一种通用的训练框架，旨在提高目标检测模型的稳定性。PCL鼓励在不同条件下（如不同的时间戳和数据增强）对同一对象的预测保持一致性。 3. **在Waymo开 ………………………………