自蒸馏内省数据范式

无需额外数据提升检测

无需额外训练数据或复杂教师网络，通过内省数据增强与同架构自蒸馏，显著提升LiDAR及LiDAR-相机检测器的3D目标检测精度。

Wang, Chaoqun · Yiran, Qin · Zijian, Kang · Ningning, Ma · 施煜锴 · Li, Zhen · 张瑞茂

IEEE Transactions on Intelligent Transportation Systems 2025

参数信息

mAP提升（KITTI hard objects）

2.31 %

NDS提升（nuScenes）

1.76 %

mAP提升（KITTI）

1.5 %

NDS提升（nuScenes）

2.15 %

技术优势

无需额外数据

通过内省数据增强从现有稀疏点云生成增强样本，不依赖外部数据集。

教师模型轻量化

教师网络与学生网络架构相同，无需额外的大模型即可提供高质量监督。

提升鲁棒特征

在LiDAR检测中增强稀疏点云的语义表示，在LiDAR-相机检测中有效监督特征级融合。

应用场景

• 自动驾驶感知：提升车载3D目标检测精度，无需额外采集数据。
• 3D目标检测：直接集成到现有检测器训练流程，提升精度。
• 多传感器融合：监督LiDAR与相机在特征级的融合，提升检测性能。
• 激光雷达数据处理：增强稀疏点云的语义表示，提升检测效果。