【LiSe：通过图像提升激光3d无监督检测能力】

文章预览

《Approaching Outside: Scaling Unsupervised 3D Object Detection from 2D Scene》这篇论文的关键方法主要包括以下几个方面： 1. **LiDAR-2D 自步进学习 (LiSe)**：这是一种融合了激光雷达（LiDAR）数据和二维图像的新方法，用于无监督的3D目标检测。该方法特别强调了RGB图像在补充LiDAR数据方面的价值，尤其是在某些物体的LiDAR点稀缺时，能够提供精确的二维定位线索 。 2. **自适应采样策略**：在训练过程中，这种策略动态调整伪标签的分布，以对抗模型对容易检测样本（例如近处和大尺寸物体）的过拟合倾向。通过这种方式，确保了在不同物体尺度和距离上实现平衡的学习轨迹 。 3. **弱模型聚合**：这一组件将根据不同伪标签分布训练出的模型的优势进行整合，最终形成一个强大且稳健的模型。这种方法有助于提升模型的整体性能 。 4. **自步进学习流水线**：LiSe框架设 ………………………………