（附論文）CVPR 2021 | 不需要標(biāo)注了？看自監(jiān)督學(xué)習(xí)框架如何助力目標(biāo)檢測

全網(wǎng)搜集目標(biāo)檢測文章，人工篩選最優(yōu)價值知識

編者薦語

文章提出了一個自監(jiān)督學(xué)習(xí)框架，可從未標(biāo)注的激光雷達點云和配對的相機圖像中進行點云運動估計，與現(xiàn)有的監(jiān)督方法相比，該方法具有良好的性能，當(dāng)進一步進行監(jiān)督微調(diào)時，模型優(yōu)于 SOTA 方法。

轉(zhuǎn)載自 | 計算機視覺研究院

  

論文鏈接：https://arxiv.org/pdf/2104.08683.pdf

  

圖 1：該研究提出的自監(jiān)督柱運動學(xué)習(xí)概覽。

  

圖 2：用于點云體柱運動估計的自監(jiān)督學(xué)習(xí)框架。

  

圖 3：概率運動掩膜說明，左：投影點在前向相機圖像上的光流（已將自我運動分解）。右：點云的一部分，顏色表示非空體柱的靜態(tài)概率。

實驗

研究人員首先進行了各種組合實驗，以評估設(shè)計中每個單獨組件的貢獻。如表 1 所示：

  

表 1：每個單獨組件的貢獻，結(jié)果包括均值和中位誤差。

  

表 3：與 SOTA 結(jié)果對比。實驗分為三個速度組，表中記錄了平均誤差和中位誤差。

  

圖 5：點云體柱運動預(yù)測對比。第一行顯示真值運動場，第二行顯示的是該研究全模型的評估結(jié)果，而只使用結(jié)構(gòu)一致性的基礎(chǔ)模型的預(yù)測結(jié)果在第三行。每一列都演示了一個場景。

?------------------------------------------------

雙一流高校研究生團隊創(chuàng)建 ↓

專注于目標(biāo)檢測原創(chuàng)并分享相關(guān)知識 ?

整理不易，點贊三連！