户外无监督三维物体检测常识原型
原文约400字，阅读约需1分钟。发表于：。本研究提出了一种基于常识原型的检测器（CPD），用于无监督的三维物体检测，通过构建高质量边界框和密集点的常识原型以及利用大小先验和几何知识改进了低质量伪标签，有效提高了检测性能。CPD 在多个数据集上取得了优于现有方法的结果，使其与全监督检测器非常接近，展示了该方法的重要性。
本文介绍了一种在自动驾驶场景中进行无监督对象检测的方法，通过点聚类、时间一致性、CNN 的平移等性质以及自我监督来改进算法。该方法能够在稀疏、远距离区域进行检测，并通过迭代自我训练不断改进。实验证明该方法在 PandaSet 和 Argoverse 2 Sensor 数据集上的性能优于无监督基线，展示了自我监督与对象先验相结合的潜力。
