LabelDistill，利用 GT 标签解决激光雷达检测器固有的不完美，mAP和 NDS提高 5.1% ！

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 基于摄像头的3D目标检测的最新进展引入了跨模态知识蒸馏，以缩小与LiDAR 3D检测器的性能差距，利用LiDAR点云中的精确几何信息。然而，现有的跨模态知识蒸馏方法往往忽视了LiDAR固有的不完美之处，例如在远距离或被遮挡物体上的测量不明确性，这些不应当被传递到图像检测器中。 为了减轻LiDAR教师模型中的这些不完美，作者提出了一种新颖的方法，利用来自真实标签的不确定性自由特征。与传统的标签指导方法不同，作者近似教师 Head 的逆函数，有效地将标签输入嵌入到特征空间中。这种方法在LiDAR教师模型的基础上提供了额外的准确指导，从而提升了图像检测器的性能。 此外，作者还引入了特征分割，这有效地从教师模态转移知识 ………………………………