Occupancy-MAE掩码占位自动编码器

点云自监督预训练

面向大规模室外激光雷达点云，利用体素占位结构设计的掩码自动编码器，可通过少量可见体素重建掩码区域，从而学习高等级语义特征。

闵称 · Xiao, Liang · Zhao, Dawei · Nie, Yiming · Dai, Bin

IEEE Transactions on Intelligent Vehicles 2023

参数信息

标注数据减少比例

50 %

技术优势

标注数据减半

在KITTI数据集上进行车辆检测时，使用Occupancy-MAE预训练可以将所需标注数据量减少一半。

应用场景

• 自动驾驶感知：减少感知模型对标注数据的依赖，降低开发成本。
• 3D目标检测：用预训练提升检测性能，尤其改善小目标检测。
• 3D语义分割：提供更好的初始化权重，提升分割精度。
• 多目标跟踪：增强特征表示，提升跟踪精度与稳定性。