DeFlow: 自动驾驶场景流解码器
内容提要
本文综述点云场景流估计研究，涵盖FlowNet3D、FastFlow3D、DEFLOW、DifFlow3D等模型，涉及自监督训练、扩散概率模型、传感器融合与泛化方法，在FlyingThings3D和KITTI数据集上提升精度，实现毫米级估计。
延伸解读
技术演进：从监督学习到自监督与扩散模型
文章梳理了点云场景流估计的技术路线。早期FlowNet3D（2018）直接学习点云场景流，FastFlow3D（2021）基于运动跟踪数据集提升现实表现。随后自监督方法兴起，如2021年提出的自监督训练架构和2023年的蒸馏框架ZeroFlow，减少了对人工标注的依赖。2023年的DifFlow3D引入扩散概率模型，在KITTI上实现毫米级精度，代表了最新趋势。
性能突破：扩散模型显著降低误差
DifFlow3D作为基于扩散概率模型的不确定性感知网络，在FlyingThings3D和KITTI 2015数据集上分别将EPE3D降低了6.7%和19.1%，并在KITTI上达到0.0089米的毫米级精度。其扩散式精炼范式可作为即插即用模块集成到现有网络中，显著提升估计准确性，为场景流估计树立了新标杆。
泛化与效率：自适应框架与实时蒸馏
针对不同场景的泛化问题，2022年提出的自适应框架利用自动生成的样本和伪标签提升模型泛化性能。同时，ZeroFlow蒸馏框架无需标签即可监督前馈模型，实现大规模点云上的实时场景流估计。这些方法在保持精度的同时，兼顾了实际部署的效率和适应性，推动了场景流估计在自动驾驶等领域的落地。
Q&A
FlowNet3D 是什么？它有什么作用？
FlowNet3D 是一种从点云数据中学习场景流的神经网络模型，可用于扫描定位和运动分割等应用，能对 Lidar 扫描等实际场景进行高效准确的场景流处理。
FastFlow3D 架构有什么特点？
FastFlow3D 是一种适用于全点云的架构，基于运动跟踪的大规模数据集，能更好地进行场景流预测并提高现实世界的表现。
DEFLOW 模型采用了哪些技术？
DEFLOW 采用新型的多级传感器融合架构和自我监督方法，并采用多帧时间处理模块实现运动速度随时间变化估计，在数据集上实现了最先进的光流和深度估计。
如何提高点云场景流预测模型在不同场景下的泛化性能？
可以利用自动生成的样本和伪标签的自适应框架来提高点云场景流预测模型在不同场景下的泛化性能。
DifFlow3D 在场景流估计上取得了什么成果？
DifFlow3D 是一种基于扩散概率模型的不确定性感知场景流估计网络，在 FlyingThings3D 和 KITTI 2015 数据集上分别降低了 6.7% 和 19.1% 的 EPE3D，并在 KITTI 数据集上实现了毫米级准确度（0.0089m 的 EPE3D）。
ZeroFlow 是什么？它有什么优势？
ZeroFlow 是一个简单的蒸馏框架，通过无需标签的方法监督前馈模型，可以在大规模点云上实时进行场景流估计，而不需要人工标注。
