双视角知识增强的半监督三维物体检测

本文提出了一种新的Pseudo-Labeling半监督三维目标检测框架，通过引入STE和CBV模块提高了教师模型的性能，同时提出了BCL软监督信号来减小错误样本对训练的负面影响。实验证明，在ONCE和Waymo数据集上，该方法显著提高了基线，同时在Waymo数据集上，只使用了一半的注释即可超过完全注释的oracle模型。