S3PT：场景语义与结构引导的聚类以提升自监督预训练在自动驾驶中的应用

本文介绍了一种新的标注方法，将人类监督与预训练的神经网络相结合，生成三维点云分割、三维边界框和类别注释。

该方法显著减少了训练自动驾驶3D物体检测器所需的人工标注时间，减少了30倍。

提出了一种融合神经网络和视觉语义分割的3D目标检测方法，实现了高精度和实时性的平衡。

引入了A*3D数据集，包含39K帧、7个类别和230K个3D对象注释，满足自动驾驶研究的需求。

提出了一种自主引导的语义深度估计方法，利用异构网络头进行语义分割和深度估计，避免动态对象对深度标签的干扰。

研究了自监督3D感知模型预训练方法，使用superpixels池化3D点特征和2D像素特征，实现无需注释的3D语义分割和车辆物体检测。

提出了一种基于多视角和弱标签的自监督3D物体检测方法，其性能与最先进的激光雷达方法相当。

提出了一种新的弱监督语义分割框架，克服了现有技术在驾驶场景数据集上性能降低的挑战。

介绍了一种新的联合学习框架S^3M-Net，用于同时进行语义分割和立体匹配，提高整体场景理解能力。