单目3D目标检测测试时适应方法，显著提升 OOD 性能 ！

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 单目3D目标检测（Mono 3Det）旨在从单个RGB图像中识别3D物体。然而，现有方法常常假设训练数据和测试数据遵循相同的分布，这在现实世界的测试场景中可能并不成立。为了解决分布外（OOD）问题，作者探索了一种新的Mono 3Det适应范式，称为 完全测试时适应 。它旨在通过在测试时处理潜在的数据分布偏移，将训练有素的模型适应于 未标注 的测试数据，而无需访问训练数据和测试标签。 然而，在Mono 3Det中应用这一范式面临重大挑战，因为OOD测试数据导致目标检测得分显著下降。这种下降与现有检测方法预定义的得分阈值相冲突，导致严重的物体遗漏（即，罕见的阳性检测和许多假阴性）。因此，有限的阳性检测和大量的噪声预测导致测试 ………………………………