训练至生命的尽头：面向稳定和鲁棒的无源无监督3D域适应

本文解决了无源无监督域适应（SFUDA）在3D语义分割中的关键问题，特别是训练时间后性能下降的困境。提出了一种合理的正则化学习策略和一种基于与参考模型一致性的新的标准，以有效停止训练并选择超参数，从而保证了在各种3D激光雷达设置下的显著性能提升。