GPA-3D域自适应检测框架

跨域检测性能提升

该框架利用点云对象的几何原型对齐不同域的特征分布，显著提升3D检测器在未知环境中的泛化性能。

Ziyu, Li · Jingming, Guo · Tongtong, Cao · Bingbing, Liu · 杨万扣

2023

技术优势

几何原型显式对齐

为不同几何结构的点云分配专属原型，对齐源和目标域BEV特征，直接减小分布差异。

多基准最优

在Waymo、nuScenes和KITTI上均超越现有方法，证明方法的通用性和鲁棒性。

应用场景

• 自动驾驶：将训练好的检测器迁移到新的驾驶场景，无需大量标注数据即可保持高性能。
• 机器人感知：让机器人跨越不同环境感知障碍物，提升在新场景中的导航与避障能力。
• 激光雷达处理：增强LiDAR检测模型对不同传感器和场景的适应性，减少重训练成本。
• 跨域迁移：提供一种显式对齐几何特征的域自适应方法，可作为即插即用模块。