跨域训练评估BEVal：自动驾驶 BEV 的跨数据集评估框架

文章预览

Abstract 当前在自动驾驶中的鸟瞰图语义分割研究主要集中在使用单个数据集（通常是nuScenes数据集）优化神经网络模型。这种做法导致了高度专业化的模型，可能在面对不同环境或传感器设置时表现不佳，这被称为域偏移问题。本文对最先进的鸟瞰图（BEV）分割模型进行了全面的跨数据集评估，以评估它们在不同训练和测试数据集、设置以及语义类别下的表现。我们探讨了不同传感器（如摄像头和LiDAR）对模型泛化能力的影响。此外，我们还进行了多数据集训练实验，结果表明相比单数据集训练，模型的BEV分割性能有所提高。我们的工作填补了在跨数据集验证下评估BEV分割模型的空白，研究结果强调了提升模型泛化性和适应性的重要性，以确保在自动驾驶应用中实现更加稳健和可靠的BEV分割方法。 代码获取：https://github.com/manueldiaz96/beval/  欢迎加入 ………………………………