计算机科学 > 计算机视觉与模式识别
[提交于 2025年7月7日
]
标题: 超越单次,超越单一视角:跨视角和长时程蒸馏以获得更好的LiDAR表示
标题: Beyond One Shot, Beyond One Perspective: Cross-View and Long-Horizon Distillation for Better LiDAR Representations
摘要: LiDAR表示学习旨在从大规模、易于获取的数据集中提取丰富的结构和语义信息,减少对昂贵的人工标注的依赖。 然而,现有的LiDAR表示策略常常忽视LiDAR序列中的固有时空线索,限制了其有效性。 在本工作中,我们提出了LiMA,一种新颖的长期图像到LiDAR记忆聚合框架,该框架显式地捕捉更长范围的时间相关性,以增强LiDAR表示学习。 LiMA包含三个关键组件:1)一个跨视图聚合模块,用于对齐和融合相邻相机视图之间的重叠区域,构建一个更加统一且无冗余的记忆库;2)一个长期特征传播机制,能够高效地对齐和整合多帧图像特征,在LiDAR表示学习过程中强化时间一致性;以及3)一个跨序列记忆对齐策略,强制执行驾驶序列之间的的一致性,提高对未见过环境的泛化能力。 LiMA保持了高的预训练效率,并在下游任务中不会产生额外的计算开销。 在主流的基于LiDAR的感知基准上的大量实验表明,LiMA显著提升了LiDAR语义分割和3D目标检测。 我们希望这项工作能激发更多针对自动驾驶的有效预训练范式。 代码已公开供未来研究使用。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.